“Los datos y el talento deben eliminar las dudas en la digitalización del negocio»

Los ejecutivos y CEOs actuales tienen un gran problema, en un entorno donde se les está midiendo por resultados a corto plazo es muy difícil trabajar en planes a largo para mejorar la competitividad. Es clara la necesidad de orientar las organizaciones a procesos de innovación en sus modelos de negocio y de su transformación digital, pero las inversiones iniciales en tecnología, consultoras, licencias, formación y captación de talento no dan resultados inmediatos.

Sin embargo, estamos viendo como el uso de la tecnología por parte de los consumidores en todos los sectores nos obliga a cambiar modelos, algunos de ellos se mantienen intactos del siglo XX y han demostrado que son insuficientes para mejorar una relación cada vez más digital con nuestros clientes.

En este nuevo entorno “una cultura Data Driven no es la propia de una empresa gobernada por autómatas o matemáticos en la que no hay hueco para la creatividad o el pensamiento lateral, es precisamente aquella que propicia un pensamiento creativo y una proyección hacia el futuro basada en la calidad y solidez de las decisiones. Es una cultura que no va de usar datos para bloquear ideas sino para generarlas mejores.”

La disponibilidad de datos ha construido una nueva cultura a su alrededor. Generar o reportar muchos datos no significa tener una cultura basada en datos y cuando estos nos permiten entender las causas o porqués de lo que sucede en nuestra organización, podemos pensar que vamos por el buen camino. Pero será cuando nos ayuden a predecir esos sucesos y otros, cuando estemos mas cerca de nuestro objetivo.

Para intentar facilitar su lectura vamos a estructurar el proceso de trabajo de empresas orientadas a la obtención, integración y visualización de los datos en cuatro fases:

1. El desafío de los datos en un mundo digital

Los que nos dedicamos al mundo de la comunicación, el marketing y la publicidad somos los primeros que nos estamos enfrentando al desafío de gestionar activos digitales cada vez más sofisticados. Nuevos canales, formatos publicitarios e indicadores que hacen más compleja la gestión de las métricas y la medición de las acciones -no por no tener datos, sino por ser capaz de sacar el máximo jugo de ellos-, lo que nos exige innovar y medir de una manera distinta.

Pero, ¿qué debemos hacer para enfrentarnos a este nuevo reto?. Lo primero, es definir nuestras prioridades para diseñar un plan de trabajo y entender cómo los datos que ya tenemos nos pueden ayudar y cómo obtener los que nos hacen falta. Tal y como detallábamos en nuestro post sobre Analítica de comportamiento, existen tres tipos de datos:

a. Datos registrados: Los tenemos almacenados en nuestro CRM o en la plataforma de marketing automation .
b. Datos observados: Son los datos de comportamiento de los usuarios en los activos digitales y en cada fase del journey
c. Datos obtenidos: Comentarios, encuestas, reviews de nuestros consumidores que indican el sentimiento hacía nuestra marca o productos.

Nos surgirán varias preguntas: ¿cómo voy a ser capaz de conectar estos datos para que me aporten un conocimiento integrado?; ¿cómo tengo almacenados los datos para que me ayuden a tener esta visión global?
El equipo de marketing y tecnología tendrán que trabajar juntos para ver con que datos voy a trabajar, datos que vamos a obtener plataformas propias y datos de plataformas externas, a partir de aquí confirmar fiabilidad de esos datos, captarlos y desacargarlos en un Data Lake o similar para poder empezar a integrar y visualizar.

2. Respecto a la tecnología

Si ya estamos obteniendo los datos de nuestros activos digitales, es el momento de centralizarlos en una plataforma propia. A partir de ese momento, podremos usar tecnologías y plataformas que permiten trabajar con estructuras de datos más complejas y heterogéneas; logs, mails, conversaciones, ubicaciones, etc. Estas capacidades nos ayudarán a gestionar, interpretar más rápidamente y predecir los resultados de nuestras campañas.

Por ejemplo, si nuestra organización realiza altas inversiones en compra de medios se debería desarrollar un DMP (Data Managment Plataform) o similar para integrar capas de datos y contar con diferentes capacidades de segmentación a través de diversos inputs. Esto es especialmente necesario si queremos hacer publicidad programática. La finalidad, en definitiva, es poder construir nuestro propio Data Driven Attribution Model que nos va permitir se muchos más eficaces en nuestra compra de medios.

3. El talento: Formación como elemento clave en la cultura de datos

Las personas son quienes fundamentan las organizaciones y su cultura. En este sentido, las áreas de Talento y los líderes dentro de las empresas tienen el reto de promover el talento interno a través de la formación de calidad y de captar en el exterior las capacidades necesarias para afrontar el reto de la transformación de las organizaciones y su digitalización.

No es posible orientar la organización hacía la gestión de los datos si desde dirección no se promueve una cultura de potenciar las capacidades de los empleados que permitan poder optimizar el uso de la tecnología como herramienta competitiva.
Es muy interesante el estudio de ISDI Business School sobre las nuevas posiciones que se han creado en el entorno digital, en el que se detallan hasta 61 tipo de especialistas en este ámbito.

El conocimiento y el talento son palancas básicas que tenemos incorporar para poder desarrollar esta visión de transformación digital.

4. Beneficios de una organización orientada a los datos

Si hemos tenido en cuentas los tres pasos anteriores, vamos a ser capaces de centralizar y garantizar la calidad de los datos, y eso nos permite ordenar, filtrar y obtener información para el desarrollo de analítica avanzada, localización de patrones, aplicación de modelos predictivos, identificación de correlaciones y tendencias. Por ejemplo, los insights obtenidos a partir del análisis conductual (relación entre comportamiento-entorno) ayudan a la conversión un 85% mejor que otros.

El poder contar con un modelo de datos y aplicar tecnología como el machine learning en campañas de marketing digital nos ayuda a construir un marco de validación más robusto, además de contribuir a generar una mayor calidad en los datos obtenidos. A partir de ahí, podremos validar y volver a definir nuestro modelo.

Nuestro mayor logró será tener insights de negocio cada vez más relevantes, además de permitir el acceso de esta información al resto de la organización, convirtiendo los datos en narrativa para ayudar a comprender mejor el resultado de las acciones que tengamos en marcha.