A medida que avanzamos hacia el 2016, vale la pena analizar cómo las personas están utilizando el big data para hacer lo que hacen. Es emocionante. A partir de estos casos de la vida real, se puede aprender mucho sobre lo que el big data está haciendo: se puede echar un vistazo al funcionamiento de las empresas que están utilizando esta tecnología en tiempo real y de diferentes maneras. A partir de este vistazo, se pueden sacar algunas conclusiones sobre las tendencias para el 2016 y cómo las industrias van a utilizar el big data. Pero primero, hablemos de los casos de uso de los datos.
Según Appnovation, se puede utilizar el big data para:
- Los motores de recomendación, que proporcionan sugerencias de productos personalizadas basadas en datos de comportamiento y perfiles de usuario (Netflix, Amazon, Facebook y LinkedIn son famosos por hacer esto)
- La modelización de riesgos, que utiliza datos transaccionales para informar a las instituciones financieras sobre vulnerabilidades y prepararlas para posibles escenarios problemáticos
- La detección de fraudes, que analiza el comportamiento del cliente y los datos transaccionales para determinar la probabilidad de fraude
- El análisis de marketing, que le dice a las empresas qué clientes son propensos a abandonarlas en favor de la competencia, así como diferentes formas de comercializar a los consumidores en función de su comportamiento
- La monitorización de redes, que los analistas utilizan para determinar la eficiencia de las redes, como los servidores en la nube y las redes privadas virtuales
Será fascinante ver cómo las prácticas de las empresas se alinean con los usos mencionados anteriormente. También será fascinante ver cómo no se alinean, y qué tan creativas e innovadoras son estas diferentes empresas en el uso del big data.
1. Marketing de Experiencia de Usuario (UX)
TSheets es una startup de software de seguimiento de tiempo basado en la nube. Si visitas el sitio web de TSheets Time Tracking, verás algo interesante. Mientras te desplazas por la pantalla, hay actualizaciones continuas sobre cómo los usuarios están utilizando el software. Estamos viendo datos que una empresa podría analizar en términos de análisis de marketing. Pero TSheets está haciendo monitorización de redes para mejorar la experiencia de usuario (UX) de su sitio web. ¿Cuál es la intención aquí? ¿Cómo mejora esto la UX? Según la autora Sandra Donovan de Intelliconnection, la UX es un equilibrio entre el contexto, las necesidades y el comportamiento del usuario, así como el contenido. Una buena UX hace que el sitio sea valioso para el usuario. Al mostrar los datos de seguimiento de tiempo, TSheets tiene la intención de aumentar el valor, mostrar cómo las personas están utilizando constantemente su software, proporcionar contexto y conectar al usuario del sitio web con el usuario del software a través del contenido.
2. Reconocimiento de Marca
Este es un clásico. Morton’s The Steakhouse es un restaurante con sede en Chicago. Un cliente habitual estaba volando hacia Newark y (en tono de broma) tuiteó que le encantaría tener una comida de Morton’s en el aeropuerto cuando llegara. Morton’s utilizó su base de datos para descubrir que era un cliente habitual y ver qué pedía normalmente. Descubrieron en qué vuelo estaba y enviaron a un camarero vestido de esmoquin para entregarle la comida. Al hacerlo, se hicieron famosos en las noticias, pero no habrían podido lograrlo si no fuera por el tipo de datos de comportamiento que las empresas utilizan para los motores de recomendación. ¡Hablemos de personalización!
3. Recursos Humanos Predictivos
Anteriormente conocida como Evolv, Cornerstone OnDemand es una plataforma en la nube configurable que utiliza análisis predictivos para ayudar a las empresas a reducir la rotación de personal. Según el CEO Max Simkoff, Cornerstone “toma cientos de millones de puntos de datos dispares sobre posibles empleados o empleados actuales y los utiliza para hacer recomendaciones que aseguran un mejor ajuste y progresión laboral”. Cornerstone OnDemand analiza puntos de datos sobre cosas como los precios de la gasolina, el uso de las redes sociales y el desempleo para ayudar a predecir quién será el mejor candidato para un trabajo. Esto también ayuda a las empresas a predecir la rotación de personal y resolver problemas de moral. Empresas como Xerox y AT&T han visto un impacto de $10 millones en sus ganancias y pérdidas con el software. El enfoque de Cornerstone para el big data es una combinación del motor de recomendación y el análisis de marketing. Los empleadores reciben recomendaciones sobre el ajuste laboral de los posibles empleados, junto con el análisis del comportamiento de los empleados actuales, lo que ayuda a determinar la satisfacción laboral y la probabilidad de rotación.
4. Análisis de Riesgo de Salud
Por supuesto, una compañía de seguros como Aetna tendría mucho que ganar al utilizar big data para ayudar a los pacientes a estar más saludables. Pero también los pacientes se benefician. Aetna hace algo similar a la modelización de riesgos, en la que analiza datos sobre “planes de tratamiento ineficaces o sugerencias perjudiciales”. También analiza lo que ha funcionado para tratar tipos específicos de cáncer. Los médicos pueden utilizar los datos de Aetna para hacer análisis, basados en grupos de población y resultados. Luego, pueden utilizar este análisis para informar el tratamiento, ya sea la probabilidad de que un medicamento funcione o la probabilidad de que se produzca una interacción con otro medicamento. Para los pacientes con síndrome metabólico, Aetna comparó los datos metabólicos de un paciente con los de otros 36,000 pacientes. Luego, los médicos pudieron personalizar el tratamiento, hasta el punto de que “el 90 por ciento de los pacientes que no habían tenido una visita previa con su médico se beneficiarían de un examen”. Aetna muestra una combinación innovadora de modelización de riesgos y motor de recomendación.
5. Gestión y Marketing de Comercio Electrónico
Urbio es una startup de comercio electrónico que no tenía un departamento de TI para ayudarles a descubrir qué hacer con los datos. Tenían su tienda en marcha y tenían muchos datos disponibles de las redes sociales, Shopify, la aplicación de ventas de Paypal y Google Analytics. Lo que necesitaban era una solución de análisis de marketing, una que pudiera presentar los datos de tal manera que facilitara la obtención de información útil. Basándose en una recomendación de Shopify, el Vicepresidente de Operaciones de Urbio, Blair Stewart, conectó dos soluciones a la vez: DeepMine y SumAll. DeepMine proporciona información valiosa sobre el comercio electrónico en términos de SKU y tasas de ventas. SumAll hace la magia de combinar todos los datos de diversas plataformas, desde interacciones en las redes sociales hasta información de Google Analytics y datos de ventas, lo que permite a Stewart visualizar la actividad y obtener información útil. Al combinar dos plataformas especializadas en la curación de datos, Urbio pudo realizar análisis de marketing sin un departamento de TI. ¿Injusto para los profesionales de TI? Bueno, para Urbio, contratar a más personas no era una opción. Su uso de soluciones en la nube se alinea con una tendencia, ya que cada vez más startups recurren al software como servicio (SaaS) para realizar trabajos de big data que antes realizaban departamentos enteros.
Imagen de portada: http://www.pfsweb.com/images/blogimages/big-data-ecommerce.jpg
Contenido original publicado aquí: http://www.smartdatacollective.com/daniel-matthews/367566/5-innovative-and-diverse-uses-big-data
