![\"Big](\"images\/emprendimiento\/Bigdata.jpg\")
<\/p>\n<\/p>\n
Big data y anal\u00edtica son conceptos que est\u00e1n revolucionando los negocios y las industrias. Y constituyen tambi\u00e9n una oportunidad de mejorar la\u00a0toma de decisiones en log\u00edstica<\/strong>. \u00bfPero c\u00f3mo subirnos a esta transformaci\u00f3n?<\/p>\n <\/p>\n David Ruiz, L\u00edder de Analytics e Inteligencia Artificial de Google M\u00e9xico nos da sus consejos para aprovechar\u00a0big data y anal\u00edtica para la toma de decisiones en empresas de retail\u00a0<\/strong>y productos de consumo.<\/p>\n \u00bfQu\u00e9 es big data y cu\u00e1l es su potencial para la toma de decisiones?<\/strong><\/p>\n Big data se refiere a conjuntos masivos de datos, tan grandes y complejos que requieren de modelos inform\u00e1ticos para su procesamiento y para obtener informaci\u00f3n valiosa.<\/p>\n Tiene el potencial de impulsar los modelos de negocio de las empresas modernas.<\/p>\n Las perspectivas que se obtienen tras el procesamiento de la big data, permiten a los l\u00edderes de las organizaciones conocer a fondo todo lo que sucede dentro y fuera de sus operaciones, as\u00ed como a los clientes o usuarios.<\/p>\n As\u00ed, aprovechar estos datos resulta en una toma de decisiones informada y en la habilidad de adelantarse a la competencia. Adem\u00e1s, aumenta el control de las operaciones y permite a la compa\u00f1\u00eda estar preparada para responder r\u00e1pidamente a situaciones inesperadas, sin importar la industria.<\/p>\n Las empresas fabricantes de productos de consumo y de retail, \u00bfc\u00f3mo pueden potenciar sus negocios y operaciones con el big data?<\/strong><\/p>\n En el caso del\u00a0comercio minorista o retail<\/strong>, permite conocer cada una de las interacciones o actividades que llevan a cabo los clientes para, con base en ello, mejorar su experiencia.<\/p>\n Tambi\u00e9n anticipar los precios, la demanda y hacer recomendaciones con mayor precisi\u00f3n para acompa\u00f1ar a los consumidores en su decisi\u00f3n de compra.<\/p>\n En el\u00a0sector de manufactura<\/a>, la data permite conocer informaci\u00f3n que fortalece el proceso de producci\u00f3n para evitar riesgos y errores.<\/p>\n Es posible saber, a trav\u00e9s de \u00e9sta, cu\u00e1ndo es necesario realizar mantenimiento en las l\u00edneas de producci\u00f3n, en qu\u00e9 momento y qu\u00e9 insumos comprar, o proyectar la producci\u00f3n necesaria para atender la demanda, por mencionar algunos usos.<\/p>\n Dentro de tus responsabilidades en Google, tambi\u00e9n est\u00e1s muy relacionado con machine learning e inteligencia artificial. \u00bfCu\u00e1l es su aporte en la creaci\u00f3n de mayores eficiencias?<\/strong><\/p>\n La democratizaci\u00f3n de la\u00a0inteligencia artificial y el machine learning<\/strong>\u00a0o aprendizaje automatizado mueve el mundo de los negocios, pues las soluciones basadas en estas tecnolog\u00edas permiten a las empresas distinguirse de sus competidores.<\/p>\n Sus aplicaciones van desde la automatizaci\u00f3n de procesos y el an\u00e1lisis de riesgos hasta la implementaci\u00f3n de bots para ofrecer atenci\u00f3n a clientes en diversos canales.<\/p>\n \u00bfC\u00f3mo aprovechar estos conceptos para una mejor toma de decisiones en empresas de manufactura y comercio detallista?<\/strong><\/p>\n Dir\u00eda que el primer paso es integrar, administrar y usar de manera correcta los datos.<\/p>\n Si una organizaci\u00f3n no es buena con el big data, probablemente no est\u00e9 lista para implementar inteligencia artificial y machine learning, porque \u00e9stas se alimentan de la data. Ese es el primer reto.<\/p>\n De acuerdo con Harvard Business Review, las compa\u00f1\u00edas usan menos del 1% de los datos que no est\u00e1n estructurados, mientras que menos del 50% de los datos estructurados son utilizados para tomar decisiones.<\/p>\n Tomando en cuenta esta realidad,\u00a0lo relevante es que las empresas rompan los silos en su data<\/em>\u00a0a trav\u00e9s de:<\/p>\n Todo esto de una manera sencilla y sin importar en d\u00f3nde est\u00e9 alojada la informaci\u00f3n.<\/p>\n Una vez que la compa\u00f1\u00eda es capaz de realizar este procesamiento de la data es cuando puede obtener informaci\u00f3n relevante para aplicar a sus operaciones.<\/p>\n A partir de ah\u00ed, es capaz de explorar las posibilidades de la\u00a0inteligencia artificial y el machine learning<\/strong>\u00a0de acuerdo a sus necesidades y preferencias, as\u00ed como de las de sus clientes.<\/p>\n \u00a0<\/p>\n Conocer a los clientes es fundamental para brindarles un mejor servicio, lo que es la mayor meta de la log\u00edstica. \u00bfC\u00f3mo utilizar big data para este conocimiento clave y profundo del cliente?<\/strong><\/p>\n Como mencionas,\u00a0conocer al cliente o consumidor es m\u00e1s importante que nunca antes<\/em>, pues permite mejorar y personalizar sus experiencias.<\/p>\n Te doy un dato contundente: de acuerdo con un estudio reciente de la consultora McKinsey, 83% de los consumidores quiere que su experiencia de compra sea m\u00e1s personal de alguna manera. Lo que buscan son experiencias relevantes, alineadas a sus preferencias y necesidades individuales.<\/p>\n Este inter\u00e9s de los compradores se ve reflejado en las ventas, ya que\u00a0aquellas tiendas que logran una personalizaci\u00f3n efectiva pueden incrementar sus ingresos entre 20% y 30%<\/em>.<\/p>\n Esto requiere que las organizaciones, especialmente los minoristas, mejoren su estrategia para interactuar proactivamente con sus compradores, anticip\u00e1ndose a lo que quieren o buscan.<\/p>\n Para lograrlo,\u00a0desbloquear el poder de la data es la clave<\/em>, pues es a partir de \u00e9sta que pueden entender el comportamiento y las preferencias de sus consumidores.<\/p>\n Desde este punto, dar el siguiente paso hacia la personalizaci\u00f3n resulta natural. Lograr esto no recae \u00fanicamente en recopilar y almacenar datos, por supuesto.<\/p>\n Al modernizar el almac\u00e9n de datos y utilizar\u00a0plataformas de big data<\/strong>\u00a0se obtiene la capacidad de procesar y analizar flujos de informaci\u00f3n, incluso en tiempo real.<\/p>\n En t\u00e9rminos de operaci\u00f3n tambi\u00e9n se produce una enorme cantidad de informaci\u00f3n. Cada transacci\u00f3n, cada paso del producto por cada eslab\u00f3n de la cadena de suministro genera informaci\u00f3n.<\/strong><\/p>\n \u00bfC\u00f3mo analizar este c\u00famulo de informaci\u00f3n para encontrar lo que es m\u00e1s importante para nuestro modelo de negocio u objetivo?<\/strong><\/p>\n La ciencia de datos ya no puede ser una ventaja de solo unas cuantas empresas que son privilegiadas o incluso de solo unas personas dentro de la organizaci\u00f3n.<\/p>\n Los diferentes equipos de una organizaci\u00f3n deben tener acceso al poder de la ciencia de datos, con capacidades como el modelado de\u00a0machine learning e inteligencia artificial<\/strong>, sin tener que aprender una disciplina completamente nueva.<\/p>\n La clave es seleccionar una infraestructura de\u00a0servicios en la nube<\/a>\u00a0y soluciones de datos e inteligencia artificial que permitan que sea f\u00e1cil mover datos a la nube y comenzar a analizarlos.<\/p>\n Para encontrar aquella informaci\u00f3n que es importante para el negocio de una empresa es \u00fatil generar visualizaciones de datos, informes y paneles complejos para explicar los resultados.<\/p>\n Convertir los resultados del an\u00e1lisis en un formato del cual sea f\u00e1cil extraer estad\u00edsticas y que se pueda compartir con colegas y pares es fundamental cuando se quieren obtener decisiones de negocio.<\/p>\n Por supuesto, existen herramientas que permiten que el an\u00e1lisis de datos sea algo que todos los empleados pueden hacer, independientemente de si son analistas de datos certificados o cient\u00edficos, o no.<\/p>\n \u00a0<\/p>\n Tratando de estar preparados para escenarios futuros, la simulaci\u00f3n de escenarios es parte de las formas de planear de los log\u00edsticos. \u00bfC\u00f3mo aprovechar big data, inteligencia artificial y machine learning para ello?<\/strong><\/p>\n Tradicionalmente, los datos se recopilan solo del mundo f\u00edsico, lo que significa que la \u00fanica forma de planificar lo que suceder\u00e1 es mirando lo que puede probarse f\u00edsicamente.<\/p>\n Pero con\u00a0modelos predictivos y herramientas de inteligencia artificial<\/strong>, las organizaciones pueden ejecutar simulaciones basadas en informaci\u00f3n y escenarios de la vida real, brind\u00e1ndoles datos sobre circunstancias que ser\u00edan dif\u00edciles, costosas o incluso imposibles de probar en entornos f\u00edsicos.<\/p>\n El 2020 nos dej\u00f3 un gran aprendizaje en ese sentido y es un gran ejemplo. Estas herramientas permitieron a organizaciones en todo el mundo reaccionar ante la incertidumbre generada por la pandemia y el confinamiento.<\/p>\n Esto se ver\u00e1 reflejado en las estrategias de negocio que cada vez m\u00e1s se apoyar\u00e1n de la tecnolog\u00eda para hacer predicciones con datos a bajo costo y con alta precisi\u00f3n, con el objetivo de estar preparados; lo que transformar\u00e1 a las industrias y entregar\u00e1 el valor que los clientes demandan.<\/p>\n Entonces, c\u00f3mo bajar a tierra estos t\u00e9rminos a\u00fan abstractos para muchos de nosotros, es la gran pregunta y el gran anhelo. Comp\u00e1rtenos alg\u00fan ejemplo pr\u00e1ctico o caso de \u00e9xito en el uso del big data y la anal\u00edtica.<\/strong><\/p>\n Claro. Te comparto el caso de The Home Depot. La empresa tiene 400 mil asociados, 2 mil 300 ubicaciones, m\u00e1s de 40 mil productos diferentes que generan m\u00e1s de 100 mil millones de d\u00f3lares en ventas cada a\u00f1o y una alta satisfacci\u00f3n del cliente.<\/p>\n \u00bfC\u00f3mo logras eso? Dando visibilidad a las cosas que cada cliente necesita.<\/p>\n The Home Depot empodera a sus asociados con una soluci\u00f3n en la nube, con la cual:<\/p>\n Hoy, The Home Depot tiene la capacidad de indicarle a cada uno de los clientes la ubicaci\u00f3n del producto que est\u00e1 buscando en cada una de sus tiendas, inclusive cuando \u00e9stas tienen dise\u00f1os diferentes o est\u00e1n acomodadas de diferente manera.<\/p>\n En conclusi\u00f3n, se trata de una atenci\u00f3n personalizada a trav\u00e9s de sus canales.<\/p>\n Otro ejemplo que te puedo brindar es el de Toyota Canad\u00e1, que utiliz\u00f3 esta misma soluci\u00f3n que usa The Home Depot, para construir un modelo de aprendizaje para analizar y conocer la probabilidad de que los usuarios que ingresan a su sitio regresen en los pr\u00f3ximos 30 d\u00edas para completar una acci\u00f3n.<\/p>\n Con esto pudo identificar a los clientes que deb\u00eda priorizar para enviarles un anuncio personalizado.<\/p>\n Adicional a estos t\u00e9rminos, tambi\u00e9n tenemos con un buen protagonismo actual al internet de las cosas y al blockchain. \u00bfQu\u00e9 relaci\u00f3n existe entre todos ellos, o deber\u00eda existir, para sacar partido de estas nuevas posibilidades que nos marca la tecnolog\u00eda?<\/strong><\/p>\n La nube, la anal\u00edtica de big data, la inteligencia artificial, el machine learning, el internet de las cosas y el blockchain tienen en com\u00fan el objetivo de transformar la vida de las personas y las operaciones de las organizaciones. Esto porque les facilita tareas, mejora su seguridad y aumenta su agilidad de respuesta, y contar con una base de innovaci\u00f3n para su desarrollo.<\/p>\n Sin embargo, es importante recordar que no basta solo contar con la tecnolog\u00eda.\u00a0Lo primero no es concentrarse en cu\u00e1les soluciones tecnol\u00f3gicas quiero tener, sino en los problemas que quiero resolver<\/em>. La tecnolog\u00eda por s\u00ed misma no da resultados, el objetivo siempre debe ser la necesidad que se va a solucionar.<\/p>\n Por ello, es fundamental comprender cu\u00e1les son estos retos y definir una agenda de innovaci\u00f3n en funci\u00f3n de los mismos, de la madurez digital de la compa\u00f1\u00eda y de sus prioridades comerciales.<\/p>\n \u00c9sta exige una cuidadosa consideraci\u00f3n y priorizaci\u00f3n de las \u00e1reas a transformar para construir una estrategia que adem\u00e1s tome en cuenta la complejidad de la ejecuci\u00f3n.<\/p>\n Analizando todo esto que nos has comentado, \u00bfc\u00f3mo resumes las claves para el uso efectivo de estas tecnolog\u00edas en la toma de decisiones?<\/strong><\/p>\n Para dise\u00f1ar e implementar un proyecto exitoso en donde se empleen tecnolog\u00edas como la inteligencia artificial y el aprendizaje autom\u00e1tico, a menudo es necesario colaborar con varios equipos, incluidos los de negocios, ventas, investigaci\u00f3n e ingenier\u00eda.<\/p>\n Es decir, se necesita que diferentes \u00e1reas dentro de las empresas est\u00e9n involucradas en el proyecto.<\/p>\n Otra de las claves para comenzar a adoptar estas tecnolog\u00edas tiene que ver con los aspectos b\u00e1sicos de la recopilaci\u00f3n y preparaci\u00f3n de los datos, pues esto es un factor crucial para alinear a los equipos y hacer que el proyecto despegue.<\/p>\n Para crear un modelo en el que la inteligencia artificial y el machine learning sean explotados, se deber\u00e1n tener los datos que sean \u00fatiles de acuerdo a los objetivos.<\/p>\n Por ejemplo, una instituci\u00f3n financiera que quiere detectar fraudes con tarjetas de cr\u00e9dito, deber\u00e1 tener informaci\u00f3n sobre el monto de la transacci\u00f3n, la ubicaci\u00f3n de \u00e9sta, la ubicaci\u00f3n principal del titular de la tarjeta, entre otras cosas.<\/p>\n Sin embargo, datos como el nombre del titular de la tarjeta son menos \u00fatiles para esta tarea.<\/p>\n Si hablamos de la otra cara de la moneda, \u00bfcu\u00e1les son los errores m\u00e1s comunes al llevar una estrategia de big data en las empresas de retail para tomar decisiones?<\/strong><\/p>\n No tener claro para qu\u00e9 quieres utilizar inteligencia artificial o machine learning. Esto es algo que siempre les menciono a las empresas que desean utilizar estas tecnolog\u00edas.<\/p>\n Lo primero es nunca hacerse esta pregunta: \u00bfc\u00f3mo utilizo la inteligencia artificial, el machine learning o el an\u00e1lisis de datos?<\/p>\n Sino m\u00e1s bien\u00a0se debe empezar con las interrogantes:<\/em><\/p>\n A partir de ello, comienzas a analizar c\u00f3mo estas tecnolog\u00edas te permitir\u00edan alcanzar eso que necesitas, aquellos objetivos ya identificados.<\/p>\n Lo siguiente es correr el proyecto. Esto espec\u00edficamente tiene que ver con trabajar la data y explorar qu\u00e9 puede ser predecible, qu\u00e9 tan efectivo puede ser una vez que se automaticen los procesos.<\/p>\n El mayor consejo que puedo ofrecer es: no comiences a adoptar estas tecnolog\u00edas sin pensar primero a qu\u00e9 problema responden, a qu\u00e9 necesidad ser\u00edan implementadas.<\/p>\n Y a partir de ah\u00ed, identificar qu\u00e9 soluciones pueden ser las mejores de acuerdo a las metas establecidas.<\/p>\n \u00a0<\/p>\n Este 19 y 20 de mayo, te esperamos en el #ForoTecnol\u00f3gico y no te pierdas la conferencia “La era de los asistentes virtuales”, de David Ruiz. Si a\u00fan no te has registrado hazlo aqu\u00ed<\/a><\/p>\n \u00a0<\/p>\n\u00a0Adem\u00e1s, nos comparte c\u00f3mo sumar el machine learning y la inteligencia artificial a las estrategias de an\u00e1lisis de datos.<\/div>\nBig data en empresas de retail y productos de consumo<\/strong><\/h2>\n
Anal\u00edtica de datos, inteligencia artificial y machine learning para la toma de decisiones<\/strong><\/h2>\n
\n
Encontrando la informaci\u00f3n relevante entre la gran cantidad de datos disponible<\/strong><\/h2>\n
Uso de big data en empresas de retail: los casos de The Home Depot y Toyota<\/strong><\/h2>\n
\n
Big data, internet de las cosas y blockchain: \u00bfcu\u00e1l es la conexi\u00f3n?<\/strong><\/h2>\n
Claves para el uso efectivo de machine learning, inteligencia artificial y big data\u2026 y los errores que no debes cometer<\/strong><\/h2>\n
\n
Finalmente\u2026 danos tu mejor consejo:<\/strong><\/h2>\n