Big Data, mercadeo digital y políticas de privacidad de datos

Mauricio López Vanegas
1 de septiembre de 2016
3 min. de lectura

La enorme brecha entre lo que queremos ver y lo que realmente vemos

Parece que todo artículo acerca de Big Data dejara a los lectores con la sensación de “tengo que tener Big Data en mi empresa”. Esta corta reflexión muchas veces puede ser riesgosa, ya que todo tema que se desarrolla a partir de un impulso se debe mapear para no correr el riesgo de creerse a la vanguardia cuando en realidad se están interpretando los datos erróneamente. 

En esta entrada quiero mencionar tres aspectos que al parecer no tienen relación, pero que relacionándolos pueden hacer que implementar Big Data sea un acierto y no un infierno que no refleje un retorno de la inversión. 

Por un lado, el término de Big Data, cuando lo miramos a grandes rasgos, lo entendemos como la capacidad de almacenar y procesar, a grandes velocidades, grandes volúmenes de datos. En este primer punto, el concepto genera emoción porque se piensa en compañías como Google o Facebook, que cumplen con esa teoría. Todos lo sabemos. 

Sin embargo, en este aspecto vale la pena hacerse la pregunta de si nuestro “core” de negocio en realidad tiene la necesidad de capturar tanta información y a velocidades tan altas, sin mencionar el tema de si ya fue capaz de capturar una cantidad mínima de información, integrarla y procesarla a velocidades admisibles. La pregunta más importante sería si ya logró analizarla y convertirla en información valiosa para la toma de decisiones. Así que, antes de emocionarse con este concepto de TODA la información y de forma RÁPIDA, analice primero las necesidades de su marca y lo que ha hecho antes de implementar Big Data en ella. 

El segundo concepto que se debe tener en cuenta es el de mercadeo digital. Vuelvo y menciono a Google como referente, ya que, si bien saben cómo capturar toda la información y procesarla a velocidades asombrosas, también es claro que ellos en su interior tienen acceso a todos los datos usuario por usuario, por lo cual es mucho más fácil para ellos implementar herramientas de conocimiento y fidelización de consumidores. Sin embargo, las empresas hoy se emocionan al creer que, con la implementación de Big Data, tendrán acceso a las bases de datos de los usuarios, pero la realidad de hoy (barrera) es que empresas como Google, y en general las redes sociales, solo entregan información agrupada con algoritmos que muchas veces no se conocen y, por lo tanto, no bastaría implementar Big Data. 

El último, y no menos importante, es el concepto de las políticas de privacidad de datos. Si bien todo el tema en Colombia de la protección de datos por parte de las marcas es importante, también es claro que se generó una especie de inseguridad frente al tema. Los usuarios no quieren proporcionar sus datos a las diferentes marcas por temor de accesos a cámaras de dispositivos móviles, etc. Esto hoy forma parte de una esquizofrenia digital, que está llevando a que muchos consumidores sean unas personas en la vida offline y otras MUY diferentes en la vida online. Esas personas que tanto temor tienen de entregar su información se darán cuenta de que simplemente son una aguja en un pajar y que nadie tiene la necesidad de publicar sus contenidos, dado que no son influenciadores. Además, hay mucho material gratuito del cual las marcas pueden hacer uso para el cumplimiento de sus propósitos. Con el tiempo (muy “Volver al futuro”), cuando los consumidores vean que las personas que proporcionan su información reciben promociones de su interés y en general temas afines a sus hábitos de consumo, tendrán la necesidad de proporcionar los datos necesarios para que también puedan ser analizados y personalizados. 

En Pragma, de acuerdo con lo anterior, tenemos algunas buenas prácticas que nos permiten de manera responsable definir el análisis de datos de nuestras marcas. A continuación, menciono algunas: 

Entendimiento del negocio: antes de iniciar con el análisis de bases de datos, en Pragma nos ocupamos, por medio de metodologías cualitativas, de tener un conocimiento sobre cómo funciona el negocio, qué información es la que se necesita, para qué se necesita, y priorizamos esas necesidades con el fin de obtener resultados ágiles que les den la tranquilidad a nuestros clientes de que el proyecto está evolucionando. 

Diagnóstico de la calidad de los datos: antes de procesar los datos, hacemos el estudio de la calidad de ellos. Una de las frases de análisis estadístico más conocidas en la academia es “si analizas basura, los resultados serán basura”. Tenemos claro que solo son sujetos de análisis los datos que cumplen con reglas de calidad, así se tenga que sacrificar la cantidad. 

Validación de los resultados obtenidos localmente: antes de invertir esfuerzos en automatización de reglas de negocio, en Pragma hacemos un primer análisis local con el fin de verificar con nuestros clientes que el resultado sí sea el esperado y que supla las necesidades de la marca. Esto minimiza los riesgos de reprocesos y costos tanto en la implementación como en la búsqueda de los objetivos en términos de análisis de información. 

Finalmente, la invitación es a que nos preguntemos primero para qué queremos implementar Big Data y a que se proceda a dimensionar el alcance del proyecto y la inversión en él. Espero que haya sido útil esta información, y nos vemos pronto con otro tema alrededor del fascinante mundo del análisis de datos.

Te puede interesar

Otros artículos de Ciencia de datos

Suscríbete