¡Felices fiestas!

.

10 tecnologías de Big Data que debes conocer

A medida que el mercado del análisis de Big Data se expande rápidamente para incluir a los principales clientes, es importante conocer las tecnologías de Big Data que realmente importan.

Todo el mundo habla de la ciencia de datos, con su modelo predictivo, minería de datos y aprendizaje automático (Machine Learning). Pero la mayor parte de esto no sería posible, especialmente a gran escala, sin ingeniería de datos. A continuación se enumeran algunas tecnologías de Big Data que todo ingeniero de datos debe conocer.

1. Análisis predictivo: Esta tecnología, que incluye soluciones de hardware y software, ayudará a su empresa a descubrir, evaluar, optimizar y desplegar modelos predictivos. Esto lo hace mediante el análisis de fuentes de Big Data, mejorando así el rendimiento comercial o mitigando el riesgo.

2. NoSQL Base de datos: En comparación con sus contrapartes RDBMS, las bases de datos NoSQL están disfrutando de un crecimiento exponencial. El tipo de base de datos NoSQL ofrece un diseño de esquema dinámico, que otorga la posibilidad de una mayor personalización, flexibilidad y escalabilidad, que es muy necesario cuando se almacenan grandes volúmenes de Big Data.

3. Descubrimiento de búsqueda y conocimiento: Necesita conocer estas herramientas y tecnologías para la auto extracción de información. El descubrimiento de búsqueda y conocimiento consiste en obtener nuevos entendimientos de grandes repositorios de datos estructurados y no estructurados que residen en fuentes, como sistemas de archivos, flujos de datos, bases de datos, APIs (Application Programming Interface) y otras plataformas y aplicaciones.

4. Análisis de flujo: Necesita agregar, filtrar, enriquecer y analizar un alto rendimiento de datos. El análisis de flujo examina los datos que provienen de fuentes de datos múltiples, dispares, en vivo y en distintos formatos.

5. Tejido de datos en memoria: Esta tecnología proporciona acceso de baja latencia y le permite procesar grandes cantidades de datos. Distribuye datos a través de la memoria de acceso aleatorio dinámica (DRAM), SSD o Flash de un sistema informático distribuido.

6. Almacenes de archivos distribuidos: Una red informática que almacena datos en más de un nodo, a menudo de forma replicada, para ofrecer redundancia y rendimiento.

7. Virtualización de datos: Si necesita información entregada desde varios orígenes de Big Data, como Hadoop y tiendas de datos distribuidos, en tiempo real y casi en tiempo real, la virtualización de datos es su tecnología.

8. Integración de datos: La integración de datos se trata de herramientas que permiten la orquestación de datos en soluciones como Apache Hive, Apache Pig, Amazon Elastic Map Reduce (EMR), Hadoop, Couchebase, MongoDB, Apache Spark, etc.

9. Preparación de datos: Para aliviar la carga de dar forma, limpiar, buscar y compartir conjuntos de datos desordenados y diversos que aceleran la utilidad de los datos para el análisis.

10. Calidad de datos: La tecnología que lleva a cabo la limpieza y el enriquecimiento de datos en grandes conjuntos de datos de alta velocidad. Utiliza operaciones paralelas en bases de datos distribuidas y almacenes de datos.

Tecnologías de Big Data: A tener en cuenta

Todas estas herramientas contribuyen a la comprensión en tiempo real, predictiva e integrada; y es exactamente lo que Big Data quiere de los clientes ahora. Para obtener la ventaja competitiva que ofrece Big Data, debe infundir análisis en todas partes, explotar el valor en todos los tipos de datos y hacer un diferenciador de velocidad. Todo esto requiere una infraestructura que pueda administrar y procesar volúmenes masivos de datos estructurados y no estructurados. Las tecnologías de Big Data deben admitir los servicios de búsqueda, gobierno, desarrollo y análisis de datos que abarcan desde datos de transacciones y aplicaciones hasta datos de máquinas y sensores, datos geo espaciales, sociales y de imágenes.

Fuente: Naveen Joshi. Fundador y CEO de Allerin. Experto en Big Data, IoT, AI y Blockchain.

5 consejos para implementar Business Intelligence

Obtener la correcta estrategia de Business Intelligence, es mucho más que crear un almacén de datos.

Martin Draper, director de tecnología en el retail Liberty, dice que su gran prioridad para 2017 es el Business Intelligence. La empresa recopila información de diversas fuentes y Draper desea crear una estrategia basada en datos que ayude a los ejecutivos de la empresa, a tomar decisiones más inteligentes de forma rápida y efectiva.

A lo largo de su carrera, Draper ha estado ansioso por impulsar la transformación a través de la información. Pasó una década dirigiendo su propia consultora de Business Intelligence antes de convertirse en CIO (Chief Information Officer) retail, ayudando a las organizaciones de todos los sectores a convertir los datos en información.

Draper, basándose en su experiencia, proporciona cinco consejos de mejores prácticas para ejecutar una estrategia de BI exitosa:

1. Vea su iniciativa como un enfoque cultural generalizado

Los analistas están dispuestos a hablar sobre la inversión continua en BI y analytics. Gartner dice que el 48% de las empresas, en el 2016, invirtió en Big Data un 3% más que en el 2015. Mientras tanto, IDC (International Data Corporation) espera que el gasto global en Big Data y Business Analytics crezca de $ 130.1 billones en 2016 a más de $ 203 billones en 2020.

Sin embargo, Draper dice que la tecnología es solo un elemento de un fuerte enfoque de BI. Él dice que el éxito en BI es mucho más que la suma de herramientas y procesos. Demasiados CIO aún no reconocen que el elemento cultural es esencial. "He ganado una buena vida con los tecnólogos que construyen plataformas de datos y luego veo que la realización del beneficio no se ha materializado", dice, refiriéndose a su experiencia previa como consultor de BI.

"Tienes que tener la tecnología correcta y una hoja de ruta de arquitectura de datos clara, pero también debes tener una organización que pueda consumir información y desarrollar conocimientos. Ese es absolutamente el consejo número uno: Si no ves tu proyecto de BI como un enfoque cultural generalizado para las empresas, es mejor que no te molestes en comenzar".

2. Obtenga respaldo de alto nivel para sus objetivos a largo plazo

Draper dice que los CIO deben reconocer que una iniciativa analítica es mucho más que lograr objetivos a corto plazo. "La inteligencia empresarial es para siempre", dice. "Si va a hacerlo correctamente, debe comprender todos los aspectos de su organización y planificar una hoja de ruta para la implementación hasta donde pueda ver".

Los CIO, dice Draper, deberían ver su proyecto de BI como un programa, en lugar de un solo golpe. "Puede llevar años crear un programa de BI en algunos casos", dice. La naturaleza prolongada (y, a veces, costosa) de una iniciativa analítica significa que el soporte de alto nivel es esencial.

"Asegúrese de que la persona número uno es su organización, es el patrocinador clave de su programa de BI", dice Draper. "La idea de usar los datos para decir la verdad y tomar decisiones significa que el apoyo del director ejecutivo es absolutamente clave".

3. Utilice la capacidad de un especialista para desarrollar ganancias tempranas para el negocio

Mientras que Draper cree que BI debe ser visto como un "programa para siempre", también reconoce que las ganancias rápidas pueden ayudar a demostrar los beneficios de sus ideas a los escépticos, particularmente en los primeros días de una iniciativa. Estas ganancias tempranas pueden ayudar a dictar la dirección futura.

"No prediga el clima antes de subirse al barco. La belleza de la capacidad y tecnología actual es que las personas experimentadas, ya sea interna o externamente, pueden ayudar a su negocio a obtener algunos beneficios de BI bastante rápido", dice Draper.

"Siempre debe pensar en términos de objetivos a largo plazo, pero también puede lograr el éxito a corto plazo rápidamente, si crea un equilibrio efectivo entre la tecnología, la capacidad de IT (Information Technology), el talento comercial y la arquitectura de datos. Reconozca que el mundo es un conjunto de procesos de negocios: Nuestro trabajo en tecnología es automatizar tantos de esos procesos como podamos y dejar los elementos creativos a los expertos humanos".

4. Enganche de nuevo a la demanda de la organización de forma continua

Draper dice que los CIO deben definir qué aspecto tiene el éxito en términos de BI. Para algunas personas, el éxito se trata de informes comerciales. Para otros, podría implicar autoservicio, capacidades analíticas avanzadas o una versión única de la verdad.

"La realidad es que, dependiendo de la audiencia, puede ser todos esos elementos o solo uno", dice Draper. "Darse cuenta de que BI es un facilitador para mejorar la toma de decisiones y definir lo que necesita entregar para permitir esa visión es absolutamente crítico".

Las expectativas ejecutivas en torno al poder potencial de la analítica siguen siendo altas. Draper dice que los requisitos comerciales pueden flexibilizarse y cambiar, por lo que los CIO deben asegurarse de que sus programas de BI coincidan con la capacidad técnica con conocimiento comercial. "Tendrá que conectarse de nuevo al negocio de forma continua, y para siempre", dice Draper.

"BI no se trata solo de construir un almacén de datos SQL Server, sino de crear beneficios en un punto definible más adelante. De lo contrario, es solo otra plataforma, y ​​su empresa no verá el valor de su inversión".

5. Intente una comprensión matizada de la información que proporciona

Draper advierte a los ejecutivos que no se centren únicamente en la representación visual de los datos. La verdadera percepción, dice, proviene de un nivel más detallado de comprensión.

"A menos que su organización pueda mirar el tablero y entender cómo convertir el indicador rojo en naranja y verde, entonces las ganancias serán pequeñas", dice. "El nuevo enfoque en Big Data y en tiempo real es potencialmente brillante. Pero si su organización no puede reaccionar a la información, entonces la información no tiene sentido".

Draper dice que los jefes de finanzas le enseñaron al principio de su carrera que la conversación en torno a los datos siempre debe centrarse en los objetivos. "La gran inteligencia de negocios se trata de entender lo que usted y sus colegas van a hacer de manera diferente mañana debido a la visión que tiene hoy", dice.

"A menos que pueda decidir y actuar, todos los análisis brindan un número en la pantalla. Por lo tanto, definir qué éxito y ejecución son las claves es muy fácil. Es muy fácil generar números y opiniones, es muy difícil de ejecutar".

Fuente: Mark Samuels. Periodista de negocios especializado en temas de liderazgo de IT.

Los mitos del Big Data y el marketing

Big Data se ha convertido en una gran industria, promovido como cura para todo lo que aflige el marketing. Sin embargo, tenemos un largo camino por recorrer antes de que Big Data proporcione su potencial. Consideremos un par de ejemplos. Me registro en Facebook desde Lausana en Suiza. Ya estuve registrado hace un par de años en el mismo ordenador portátil, usando el sitio social en idioma inglés. Sin embargo, lo que veo es la página de registro de Facebook en alemán. Tal vez, la ubicación supera la dirección IP del portátil. Sin embargo, incluso si se basa en la ubicación, en Lausana, la página de registro debería estar en francés. De manera similar, recientemente me mudé a Singapore Management University y ahora veo numerosos anuncios para inscribirse en varios programas de esta universidad.

A pesar de ser un creyente en Big Data, necesitamos tener expectativas realistas de Big Data. Como vendedores, estamos en el comienzo de un viaje muy largo.

EL MITO DE BIG DATA

El mito más grande es que hay algo llamado Big Data. En realidad, la construcción de una base  útil de datos, requiere unir muchos datos pequeños de múltiples fuentes. Esto es lo que hace que sea un trabajo duro.

• ¿Cuántas fuentes diferentes se pueden unir para capturar todas las rutas digitales de un cliente. Y, ¿Qué es lo que simplemente se nos escapa en la atmósfera?

• ¿Cómo combinar los datos de varias fuentes, cada uno con su propio enfoque para recopilar, mantener y actualizar los datos, y vincularlo a un individuo único?

A medida que uno mejora en esto, permite una mayor integración a través de los diferentes puntos de contacto donde los clientes experimentan la marca.

MÁS DATOS ES MEJOR

Los vendedores, motivados por el interés propio, siguen empujando la idea de que mientras más granular sean los datos es mucho mejor. Pero Big Data es como los granos de arena, pueden crear una tormenta de arena y puede cegarte y desorientarte. Hay un viejo beduino diciendo que seis minutos en una tormenta de arena, es suficiente para hacer que un hombre se vuelva loco.

• Al principio de una investigación, aprende que siempre hay demasiados datos y no suficientes datos simultáneamente. Una gran cantidad de los datos que inicialmente parece agradable tener es innecesario para resolver el problema en cuestión. Además, siempre hay más datos que uno quisiera, pero no están disponibles.

• Los datos, en sí mismos, no tienen ningún valor. Es sólo un costo hasta que se unió con la analítica para extraer información accionable. Las decisiones clave son qué mantener y qué ignorar. El agua en un vaso es manejable, pero en una inundación, es abrumadora.

Para que los marketeros exploten Big Data, deben aprender a vivir con ambigüedad. En lugar de simplemente buscar más y más datos, la tecnología y la comprensión para utilizar los datos disponibles es quizás más importante.

LOS DATOS EN TIEMPO REAL SON MEJORES

Parece obvio que los datos que se actualizan lo más cerca posible del tiempo real son mejores. Si bien esto puede ser cierto en algunos casos, pero el acompañamiento "ruido" puede conducir a una mayor confusión y errores. A menudo, en lugar de una respuesta rápida, es mejor tomar el tiempo para reflexionar. Sólo después de limpiar los datos, entender el problema y mejorar el modelo, se debe pasar a la acción.

No importa, la forma en que los datos son en tiempo real, son datos pasados ​​y uno está tratando de predecir el comportamiento futuro.

Para que los modelos sean útiles, los gerentes de marketing deben adoptar lecciones del antiguo movimiento japonés de calidad de mejora continua. Pero esto requiere la prueba de modelos rigurosamente. Antes de aceptar un modelo, uno debe tener la disciplina para utilizar muestras de espera y experimentos aleatorios.

CONCLUSIÓN

La mayoría de las cosas en la vida que son importantes y que valen la pena son difíciles de hacer. Big Data no es una excepción. Los modelos puestos en práctica no pueden simplemente ser exteriorizados a analistas de datos o algoritmos de máquinas. Los vendedores tienen que ensuciarse las manos y lidiar con la obtención de una comprensión más profunda de lo que entró en la elaboración del modelo y la calidad de los datos que se utilizaron. Si los modelos basados en Big Data se convierten en una "caja negra" para los vendedores, será una continuación de las prácticas de un marketing pasado, "basadas en la fe".

Fuente: Nirmalya Kumar. Lee Kong Chian Profesor de Marketing

¿Por qué ninguna empresa debe iniciar un proyecto de Big Data en este momento?

Si este año, una de sus metas es comenzar un proyecto de Big Data, es posible que desee pensarlo de nuevo. Ninguna empresa debe comenzar un gran proyecto de datos en este momento. Pero déjame ser claro. No es porque predigo un descenso importante en la economía o una innovación increíble que cambiará la forma en que se debe ejecutar un proyecto de datos. Es muy simple. Si planea un gran proyecto de datos, le falta el aspecto más importante. Y no debe tratarse de los datos, sino sobre su negocio.

Mientras que los datos y la analítica están revolucionando nuestro mundo y cambiando la manera en que vivimos y trabajamos, son las ideas que proporcionan que los hacen poderosos. Por lo tanto, a menos que sepa qué preguntas de negocios necesita responder y qué problema de negocio desea resolverse, no debe iniciar un proyecto de datos.

Todavía veo demasiados proyectos de Big Data que no tienen metas de negocio claramente definidas y resultados mensurables, por lo que no es sorprendente que tantos proyectos de Big Data fallen. Cuando ayudo a las empresas a identificar las maneras más estratégicas de cómo los datos y la analítica pueden transformar su negocio, enlazamos cada proyecto con prioridades estratégicas e identificamos KPIs de negocios que ayudan a medir el éxito de estos proyectos.

Tomemos Citibank como un buen ejemplo, cada proyecto de datos comienza con requisitos de negocio específicos. Antes que cualquier proyecto de datos sea aprobado, tiene que ser validado a través de pruebas de conceptos y será monitoreado usando métricas de rendimiento empresarial.

Lo mismo ocurre con Caterpillar, donde cada proyecto de datos está vinculado a un problema empresarial y se mide con KPIs de negocios, lo que a su vez ayuda a mostrar rendimientos impresionantes en sus proyectos de datos.

Usos clave de datos en los negocios

Existen cinco áreas clave que pueden ayudar a identificar las aplicaciones más estratégicas de datos en cualquier negocio:

1. Mejorar la toma de decisiones: Armados con datos precisos, los líderes empresariales pueden tomar decisiones de negocios más inteligentes. Pueden determinar qué preguntas necesitan ser contestadas para impulsar su compañía al éxito.

2. Entender a los clientes: Cuando los datos se recopilan y analizan adecuadamente, ayudan a las empresas a entender quiénes son sus clientes y por qué compran, así como las principales tendencias de los clientes que están en el horizonte.

3. Mejorar la oferta del cliente: Los datos también ayudan a las empresas a ofrecer un mejor producto o servicio a sus clientes e integran datos y análisis en sus ofertas de clientes.

4. Mejorar las operaciones: Los datos y análisis pueden ayudar a las empresas a optimizar sus operaciones, producción y procesos.

5. Crear una nueva corriente de ingresos cuando los datos se monetizan: Los datos pueden crear un flujo de ingresos adicional para muchas empresas cuando venden sus datos a otras empresas que lo valoran. Los datos también se consideran un activo en la valoración de las empresas.

Comience con una estrategia de datos

Una vez que las empresas han identificado las áreas que quieren abordar con los datos, el primer paso es identificar el verdadero problema de negocio para que ellos conduzcan los proyectos de datos con las preocupaciones del negocio en lugar de los datos. Una buena estrategia de datos se determina por lo que su empresa desea lograr y cómo los datos pueden ayudarle a llegar allí.

Desarrollar medidas de éxito

A continuación, debe desarrollar KPIs o métricas de éxito que deben vincular a los objetivos de negocio de nivel superior, tales como el aumento de los beneficios y los ingresos, o metas intermedias, como ganar cuota de mercado, la satisfacción del cliente, mejorar la utilización de la capacidad o aumentar la participación del personal. Aquí hay una lista de 25 métricas empresariales de nivel superior que puede usar.

El poder de Big Data no es lo mucho que reúne, sino la forma en que utiliza la información que recopila de los datos que clasifica. Con el fin de obtener la participación de los líderes y empleados de su empresa, tendrá que ayudarles a entender los beneficios tangibles del negocio que su proyecto puede dar a su organización y cómo los datos le ayudarán a obtener esos beneficios. Es imprescindible ayudar a su gente a ver cómo va a utilizar los datos para trabajar más inteligentemente y hacer mejores negocios para que puedan apreciar en lugar de temerlo.

No base sus proyectos de Big Data sobre los datos o la tecnología, asegúrese proyectos empresariales para lograr una meta estratégica, medidos por métricas empresariales.




Fuente: Bernard Marr es un autor best-seller y orador principal de negocios, tecnología y Big Data. Su nuevo libro es Estrategia de Datos.

10 sencillos pasos para desarrollar KPIs efectivos en cualquier negocio

Los KPIs (Key Performance Indicators) son importantes en los negocios, pero son realmente útiles si usted los identifica correctamente. Este artículo presenta 10 pasos esenciales que le ayudarán a analizarlos y mejorar sus decisiones, asegurando que su negocio no caiga en errores comunes de las grandes y pequeñas empresas.

1. Comience con la estrategia.

Siempre debe comenzar con la estrategia. Sin una participación firme alrededor de lo que su negocio está tratando de lograr, quizás termine con una desalentadora y larga lista de posibles indicadores que podría o debería medir.

Por lo tanto, su estrategia actúa como punto de partida para diseñar los KPIs apropiados. Con demasiada frecuencia, las empresas crean un documento de estrategia de 30 a 40 páginas que nadie nunca lee ni entiende. Debemos crear una estrategia simple, de una página. Esto le ayudará a definir claramente sus objetivos y a determinar lo que necesita para implementarlos.

2. Defina las preguntas que necesitan respuestas.

Vincular sus KPIs a su estrategia enfocará inmediatamente su visión y hará que sean relevantes y más evidentes. La identificación de las preguntas que necesitan respuestas limitará aún más su enfoque, porque las preguntas dan el contexto de los indicadores.

Es por eso que, además de los KPIs, siempre aconsejo a mis clientes pensar en los KPQs (Key Performance Questions). Estos le ayudarán a determinar qué datos necesita recopilar y, por lo tanto, qué KPIs encontrará más útiles. Por ejemplo, si planea ejecutar una estrategia simple para aumentar sus ingresos concentrándose en las áreas más rentables de su negocio, podría preguntar "¿Dónde estamos obteniendo ganancias y qué procesos son más costosos en comparación con los beneficios que recibimos?".

Una vez que haya aclarado las preguntas que debe responder, puede asegurarse de que cada indicador que elige o diseña posteriormente es relevante no sólo para su estrategia, sino que también proporciona respuestas a preguntas muy específicas que guiarán su estrategia e informarán su decisión.

3. Identificar sus necesidades de datos.

Una vez que conozca las preguntas que está tratando de responder, debe definir las necesidades de datos para establecer qué KPIs, métricas o datos necesita para responder a esas preguntas.

En esta fase, olvídese de la realidad por un momento y considere qué información y conocimiento quiere tener en un mundo ideal. Después de todo, ¡Todo se puede medir!

4. Evaluar todos los datos existentes.

Después de haber elaborado sus datos ideales en el paso anterior, debe realizar un análisis mediante la comparación de los datos que idealmente le gustaría tener con lo que ya tiene, de esa manera usted puede ver fácilmente lo que falta. Pregúntese lo que necesita para cambiar, modificar o implementar para asegurarse de que la recopilación de datos está completamente alineada con la estrategia y responderá completamente a las preguntas que necesita responder. Luego llegará a los indicadores adecuados para lograr esos objetivos.

Recuerde, la mayoría de las compañías están llenas de datos. A menudo, los KPIs ya están siendo recopilados por diferentes razones, diferentes divisiones y diferentes gerentes. Por lo tanto, para determinar si lo que necesita ya está siendo recogido por alguien en algún lugar de la empresa, o tal vez está casi siendo recogido, unos pocos ajustes en el proceso de recolección le entregarán exactamente lo que necesita.

5. Encuentre los datos de apoyo adecuados.

Los KPIs son increíblemente poderosos en las manos correctas, pero debemos reconocer que también tenemos acceso a grandes cantidades de datos de apoyo que son tan intuitivos y útiles como los KPIs tradicionales. Al encontrar los datos adecuados de apoyo, ya sea información relevante de la industria, datos demográficos, estadísticas de tendencia, o lo que sea referente a su estrategia, se puede triangular y verificar sus resultados. Además de ayudarlo a tomar mejores decisiones de negocios mucho más rápido.

6. Determinar la metodología correcta de medición y la frecuencia.

Saber lo que necesita es una cosa, elaborar cómo acceder y medir esa información es otra. Encontrar la metodología de medición correcta es crítico. Por lo tanto, una vez que sepa qué información necesita recopilar, necesita encontrar la metodología de medición adecuada para obtenerla. Especialmente si tiene que desarrollar nuevos KPIs o modificar los ya existentes.

Siempre es preferible alinear la frecuencia de medición con "cómo y cuándo se utilizan los datos en la organización", porque todos los datos tienen una "vida útil". Esto significa que la frecuencia de medición debe estar en línea con la frecuencia de presentación de informes. Si no es así, los datos pueden perder impacto y/o relevancia. Por ejemplo, si recoge los datos de satisfacción del cliente a través de una encuesta en el verano e informa sobre los hallazgos en el invierno, los resultados ya están seis meses desfasados.

7. Asigne la propiedad de sus KPIs.

Los KPIs efectivos requieren dos tipos de propiedad. La primera es en términos de su significado e interpretación. Alguien tiene que estar a cargo de mirar los KPIs, interpretar su significado, el seguimiento de cómo está cambiando y decidir lo que eso significa para el negocio.

La otra propiedad se refiere a la recopilación de datos. A veces se puede automatizar el proceso pero, más a menudo que no, la recopilación de datos requerirá de alguna interacción humana. Tal vez cierto personal está involucrado en la transferencia de datos de una base de datos a otra, o tienen que recogerlo manualmente. Una vez más, esta propiedad debe ser claramente establecida y seguida.

8. Asegúrese de que los KPIs sean entendidos por personas dentro de su organización.

Es esencial que todo el mundo en su negocio sea consciente de lo que está tratando de lograr, y cómo está midiendo el progreso hacia esos logros. Esto es especialmente importante para aquellos que se encargan de la propiedad de los KPIs, pero también es importante para las personas a través del negocio, en cualquier nivel. Los KPIs deben formar parte del proceso de toma de decisiones para cada empleado, y todos deben ser capaces de responder a la pregunta, "¿Cómo lo que estoy haciendo hoy afectan a nuestros KPIs?"

Por lo tanto, debe asegurarse de que todo el mundo entienda cómo las métricas que está recopilando están vinculadas a sus prioridades estratégicas. Esto aumentará el "buy in" (colaboradores entusiastas e involucrados acerca de sus prioridades) y garantizará que la revisión y mejora constante están en el corazón de todo lo que su gente hace. Si simplemente le dices a todos que tienen que recoger un montón de datos adicionales a partir de ahora, sin explicar por qué, es probable que terminen con una mano de obra muy cínica y desconectada.

9. Encuentre la mejor manera de comunicar sus KPIs.

Siempre es aconsejable pensar en la mejor manera de comunicar sus KPIs para que sus percepciones sean obvias, atractivas y evidentes para todos. Muchos KPIs se informan en informes largos, llenos de números o tablas, e incluso con un gráfico de semáforo para indicar la urgencia. Esto no es suficiente. 

Las visualizaciones realmente efectivas ilustran claramente tendencias y variaciones en los datos, y atraen al lector. Trate de encontrar la imagen correcta para sus KPIs y cree una explicación de los puntos de vista para que los datos sean claros, inequívocos, accesibles y, lo más importante, factibles de acción.

10. Revise sus KPIs para asegurarse de que ayudan a mejorar el rendimiento.

Si un KPI no es útil para ayudarlo a usted o a otros en su negocio a tomar mejores decisiones, lo que, a su vez, mejorará el rendimiento de su negocio, entonces es sólo ruido. Por lo tanto, debe revisar constantemente las métricas que está midiendo para asegurarse de que son realmente útiles y no estar pasando horas (o pidiendo a su personal que pasen horas) midiendo los datos simplemente para marcar las casillas.

Utilizados correctamente, los KPIs proporcionan una herramienta vital para mejorar el rendimiento, tomar mejores decisiones de negocios y obtener una ventaja competitiva. Espero que estos 10 pasos ayuden a desmistificar los KPIs y proporcionar un marco sencillo para hacer que funcionen correctamente en su negocio.

Fuente: Bernard Marr. Autor de gran éxito de ventas, orador principal y asesor de empresas y gobiernos. Ha trabajado y asesorado a muchas de las organizaciones más conocidas del mundo.

¡Felices Fiestas Patrias!

.

¡Viva el Perú!

Aceptan limpiar inodoros para obtener WiFi porque no leyeron los términos

Tim Berners-Lee, el padre de la World Wide Web, a principios de este año enumeró sus principales preocupaciones por el futuro de su creación. Una de la más alarmante, es el cada vez más denso contrato de servicios que las compañías piden firmar a los usuarios. Una empresa pública de WiFi ha demostrado lo peligroso que resultan estos complicados acuerdos, mediante la inserción de condiciones absurdas que miles de personas aceptaron, sin darse cuenta.

Purple es una empresa con sede en Manchester que se especializa en la ejecución de puntos de accesos WiFi, para marcas como Legoland, Outback Steakhouse y Pizza Express. Hace poco, la compañía fue transparente para realizar un experimento de dos semanas, en el que insertó una Cláusula de Servicio Comunitario en sus términos de acuerdo de servicio. Más de 22,000 personas se inscribieron para realizar 1,000 horas de trabajo de mano de obra, por la oportunidad de acceder a su Facebook y tal vez buscar algunas otras páginas web.

En un blog de su site, un portavoz de Purple explica que el acuerdo requiere que los usuarios realicen cualquiera de las siguientes acciones:

• Limpieza de desechos de animales en los parques locales
• Proporcionar abrazos a perros y gatos callejeros
• Aliviar manualmente los bloqueos de alcantarillado
• Limpieza de lavabos portátiles en festivales y eventos locales
• Pintar conchas de caracol para alegrar su existencia
• Raspar chicles de las calles

También hubo una oferta de premios para cualquier persona que contacte con la compañía y señale la cláusula. Sólo una persona recibió un premio.

No está claro si Purple podría estar legalmente autorizado para hacer cumplir la cláusula, pero dijeron que ni siquiera lo intentarán. Esta campaña pretende aumentar la conciencia sobre la necesidad de leer las condiciones de servicio, además de hacer un poco de marketing para anunciar que Purple es el primer proveedor de WiFi, compatible con el nuevo Reglamento General de Protección de Datos (GDPR - General Data Protection Regulation).

Las directrices del GDPR serán aplicables desde el 25 de mayo de 2018 para los países que forman parte de la Unión Europea. Los nuevos reglamentos pretenden simplificar los términos y condiciones, así como proporcionar más transparencia a los consumidores para entender cómo se utilizarán sus datos personales.

En los EEUU y la mayoría de países sudamericanos, las protecciones al consumidor son muy ambiguas, por lo tanto, es posible que desee tener cuidado.

Fuente: Rhett Jones. @rhettjonez