Big Data: ¿qué necesita realmente su negocio?

Como propietario de un negocio en el mundo moderno, probablemente ha escuchado mucho sobre Big Data en los últimos años. Tal vez incluso haya comenzado a usarlo para informar sus decisiones comerciales. Pero debido al enorme volumen de datos que se generan todos los días, es difícil saber si realmente lo está usando efectivamente.

"Todas las industrias verticales actuales se están abriendo al mundo de Big Data", dijo Anil Kaul, el director general. de la compañía de análisis inteligente Absolutdata. "Las pequeñas empresas ... han comenzado a aprovechar una combinación de tecnologías internas y de terceros para desarrollar una visión de 360 ​​grados de sus clientes utilizando datos provenientes de múltiples fuentes. Sin embargo, el principal desafío ... es determinar qué datos realmente se enfocarán en y cómo pueden extraer el valor real de esa información. "

Vladik Rikhter, el CEO de la compañía de software de administración de tareas y trabajo móvil Zenput, dijo que hay mucho" ruido "alrededor de Big Data, y las empresas necesitan llegar al núcleo de cómo pueden usar esa información para alcanzar sus objetivos.

"Las empresas solo deberían prestar atención a una o dos métricas clave para tener una idea clara de la salud de sus clientes", dijo Rikhter a Mobby Business. "El resto de los datos se deben usar para refinar el enfoque."

¿Pero cómo se decide en qué métricas enfocarse? Los expertos en datos y negocios sopesaron los diferentes tipos de Big Data que puede analizar y cómo encontrar y usar los que más le interesan a su empresa.

¿Qué abarca Big Data?

Si no está seguro donde comenzar con el análisis de Big Data, es útil primero estudiar y comprender los diferentes tipos de datos disponibles para usted. Kaul proporcionó un resumen de varias categorías de Big Data y sus usos para pequeñas empresas:

Redes sociales

Por lo general, este tipo de información es en forma de experiencias humanas, dijo Kaul. Está completamente digitalizado y almacenado en todas partes, desde computadoras personales hasta redes sociales. Los datos están poco estructurados y, a menudo, sin gobierno. Los ejemplos incluyen:

• Redes sociales (Facebook, Twitter, Tumblr, etc.)
• Blogs y comentarios
• Imágenes (Instagram, Flickr, Picasa, etc.)
• Videos (YouTube, Vimeo, Vine, etc. .)
• Búsquedas en Internet
• Contenido de datos móviles (mensajes de texto)
• Mapas generados por el usuario
• Correo electrónico

Sistemas comerciales tradicionales

Este tipo de datos está altamente estructurado e incluye transacciones, tablas de referencia y las relaciones, así como los metadatos que establecen su contexto. Kaul señaló que estos datos son la gran mayoría de lo que gestiona y procesa TI, y generalmente se estructuran y almacenan en sistemas de bases de datos relacionales. Los ejemplos incluyen:

• Datos producidos por agencias públicas
• Registros médicos
• Transacciones comerciales (incluido el comercio electrónico)
• Registros bancarios / de acciones

Internet de las cosas

Estos datos generados por la máquina se derivan desde dispositivos y sensores utilizados para medir y registrar los eventos y situaciones en el mundo físico. Desde simples registros de sensores hasta complejos registros de computadora, estos datos están bien estructurados, dijo Kaul. Los ejemplos incluyen:

• Datos de sensores
• Sensores fijos
• Sensores de clima / contaminación
• Sensores de tráfico / webcam
• Videos / imágenes de seguridad / vigilancia
• Sensores móviles (rastreo)

¿Qué datos? ¿realmente lo necesita?

Aunque puede estar recolectando y almacenando muchos de los tipos de datos mencionados anteriormente, no tiene el tiempo, los recursos o la necesidad de analizarlos a través de cada uno de ellos. En su lugar, debe averiguar cuáles son esenciales para informar sus decisiones comerciales y solo concentrarse en esos conjuntos de datos.

Sara Vera, científica de datos de CRM y la empresa de software de gestión de proyectos Insightly, aconsejó a las pequeñas empresas que se centren en las métricas ilumine el comportamiento del cliente.

"Use Big Data para obtener la mayor información sobre la base de clientes, quiénes son estos clientes, qué les gusta y qué les disgusta del producto y cómo están usando el producto", dijo Vera. "Esta información puede irradiar hacia el exterior en términos de crecimiento y desarrollo continuo del producto".

Sin embargo, dependiendo del tipo de negocio que ejecute, puede haber otra área en la que sea más crucial concentrarse. Charles Silver, CEO de la empresa de análisis avanzado Algebraix Data, mencionó cinco preocupaciones principales que tienen la mayoría de las empresas: crecimiento de ingresos, rentabilidad, gestión de clientes, eficiencia operativa y riesgo / fraude. Cada uno de estos grandes temas se puede dividir en áreas más pequeñas donde los análisis específicos pueden producir información útil.

El primer paso es decidir cuál de estas cinco preocupaciones es la principal prioridad de su negocio. Luego, puede clasificar las tareas relacionadas más pequeñas en orden de importancia. Por ejemplo, Silver dijo que si la eficiencia operativa es su principal prioridad, su análisis específico puede enfocarse en áreas como previsión de la demanda, programación laboral u optimización del transporte.

"Depende del negocio individual y sus desafíos actuales", dijo Silver. "Los propietarios de las operaciones de restaurantes y minoristas se beneficiarán de análisis que se centran en 'segmentación de clientes' y 'menú / optimización de inventario'. Por el contrario, un grupo de agencias de seguros locales o una empresa mediana de atención de la salud podría centrarse en "detectar reclamos fraudulentos". Y muchas empresas se beneficiarían de análisis que predicen el valor de por vida de un cliente, de modo que puedan medir los esfuerzos de retención en consecuencia. "

Quizás también quiera analizar analíticas que identificarán a sus principales colaboradores e iniciativas, así como la conducción fuerzas detrás de ellos, dijo Jeff Boehm, vicepresidente de marketing de DataGravity, un proveedor de soluciones de almacenamiento con reconocimiento de datos.

"Con más detalles sobre los esfuerzos que están proporcionando un alto retorno de la inversión para su empresa, puede hacerlo más fácilmente. repita estas situaciones en el futuro ", dijo Boehm.

Utilizando sus datos clave

Analizándolo

Cuando sepa qué conjuntos de datos va a analizar, debe determinar cómo colocarlos. trabajo. Rikhter señaló que el análisis de Big Data siempre debe comenzar con una pregunta. ¿Qué quieres lograr al analizar esta información? Una vez que se identifica el problema, puede enfocarse en cómo los datos lo resolverán, dijo Rikhter.

Para comenzar el proceso de análisis de Big Data, Aaron Rallo, el CEO de la compañía de software de eficiencia de TI TSO Logic, dijo que las empresas necesitan una sistema o programa automatizado que les permite recopilar los datos y convertirlos en acciones directas.

"Sin automatización e inteligencia, se quedará con una gran cantidad de datos que no hacen más que costar dinero para almacenar", dijo Rallo. "Busque un socio que tenga experiencia en la solución de los problemas que está tratando de resolver. Además, asegúrese de confiar en los datos y puede confiar en ellos cuando tome decisiones. Si usted o los miembros de su equipo están cuestionando la fuente, entonces lo hará. producir más preguntas que respuestas ".

Giles House, director de marketing de CallidusCloud, un proveedor de soluciones de marketing, ventas y ventas basadas en la nube, dijo que buscar las correlaciones entre sus conjuntos de datos puede ayudarlo a determinar qué hacer a partir de ahí .

"Hay valor en una única medida crítica específica, pero si desea un valor real, busque correlaciones entre los conjuntos de datos, como el tamaño de oferta promedio frente al tamaño promedio de oferta o el tamaño de oferta en comparación con la cantidad de contenido descargado," dijo. "Hay muchas más correlaciones para examinar: elija las más vitales para su éxito y luego use la información que proporcionan para tomar medidas".

Asegurarlo

Algo importante que las empresas deben tener en cuenta, pero a menudo pasar por alto: es el hecho de que, como cualquier otro dato, su Big Data y cualquier análisis posterior sobre el mismo corre el riesgo de ser pirateado o robado. Rallo dijo que en muchos casos, los datos que se almacenan son confidenciales y necesitan protección. El nivel de protección requerido se basa en la sensibilidad de los datos.

"En algunos casos, los datos deberán mantenerse en el sitio y en otros casos se pueden confiar a terceros o almacenarse en la nube. los casos, la seguridad y la privacidad de los datos deben ser considerados ", dijo Rallo.

Boehm estuvo de acuerdo y les recordó a los dueños de negocios que los datos generados internamente como correos electrónicos, notas, documentos de texto y cubiertas de presentación también forman parte del Big Data de su empresa, y también deben gestionarse de forma adecuada y segura.

"Si no lo hace saber exactamente dónde está almacenando activos críticos e información privada, es difícil evitar que se expongan ", dijo Boehm. "Necesita aplicar análisis y visualización para comprender completamente esta información. ¿Dónde está? ¿Quién está accediendo a ella? ¿Qué tipo de información es? ¿Cuántos años tiene? Ordenando estos datos oscuros se pueden señalar posibles riesgos de seguridad y ayudar a identificar qué archivos, carpetas o servidores puede pagar para mantener, pero rara vez los usa. "

Monetización

Para casi todas las empresas, el objetivo final de la analítica de Big Data es tomar mejores decisiones comerciales que conduzcan a mayores ganancias. Kaul dijo que la clave para monetizar sus datos es analizar las cuestiones económicas que pueden ayudar a responder.

"A menudo, los datos pueden ayudar a responder preguntas sobre el valor, uso, riesgo o valor futuro o riesgo de un activo específico", Kaul dijo. "Para obtener valor de Big Data, los datos deben convertirse a una forma o producto que responda a una pregunta fundamental sobre el mercado o los activos. Estos productos de datos pueden venderse o comercializarse a los clientes. También puede ser que regalar productos de datos, derivados de Big Data impulsará otras estrategias de monetización relacionadas. "

Lloyd Marino, CEO de Avetta Global, una firma de desarrollo de aplicaciones y estrategia tecnológica, dijo que después de lo que él llama las tres A de Big Data: automatización, análisis y acción, lo ayudará a alcanzar su propósito deseado y aumentará su ROI.

"Automatice la recopilación de sus datos, aplique los análisis para crear una idea de sus datos y tome medidas sobre los resultados para mejorar sus algoritmos, luego enjuague y repita," Marino dijo.

Lo más importante es que Marino aconsejó a los líderes empresariales crear un plan para su análisis de datos para mantenerse a sí mismos y a sus equipos en el camino.

"Una pequeña empresa puede quedar atrapada en Big Data", dijo Marino. "Corre el riesgo de quedar sepultado bajo él a menos que incorpore un plan para administrarlo y apalancarlo adecuadamente. Sin un plan sólido alineado con sus objetivos comerciales ... puede perder una solución elegante con un sólido retorno de la inversión".

5 Maneras de ayudar a mejorar sus ventas

Encontrar una nueva forma de cumplir sus objetivos de ventas puede ser un desafío, especialmente en una economía difícil. David Mattson, CEO de Sandler Training, una de las firmas de capacitación de ventas más grandes del mundo, ofrece los siguientes consejos para que las empresas mejoren sus ventas en dificultades.

(Negocio)

Empresario Elon Musk sobre la meteorización del CEO Storm

Empresario Elon Musk no es ajeno al éxito corporativo. A los 39 años, ha utilizado su éxito para no ser cofundador de PayPal, el sistema de pago en línea, en la bulliciosa compañía privada de cohetes SpaceX y el fabricante de automóviles eléctricos Tesla Motors, que han tenido grandes avances en los últimos meses.

(Negocio)