Datos: De la nube al ¨¦xito real

?Ha intentado alguna vez tomar una decisi¨®n con un solo dato? No se puede, porque de forma aislada no cuenta nunca una historia. Por ejemplo, nos dicen que la temperatura es de cinco grados. Eso es un dato, pero... ?qu¨¦ significa? Si se refiere al tiempo en Alicante el pr¨®ximo puente, la noticia no es muy buena: demasiado fr¨ªo. Por el contrario, si se refiere a la previsi¨®n de temperatura en el ?rtico, la noticia es peor: calor y deshielo.

Y es que un dato suelto puede significar cualquier cosa. Por eso, de cuanta m¨¢s informaci¨®n dispongamos, m¨¢s interesante ser¨¢. Y al procesar y analizar los datos, se les dota de significado y utilidad: la informaci¨®n cobra vida.

?Y c¨®mo hacen las empresas para reunir todas las fuentes de datos distribuidas en sus sistemas IT, bases de datos, tiendas, aplicaciones m¨®viles, etc? Utilizan la centralizaci¨®n de datos como plataforma para crear valor. As¨ª, conducen a los negocios por caminos que otros software de gesti¨®n de archivos simplemente no pueden hacer, y permiten as¨ª a las organizaciones diferenciarse e innovar de verdad.

Un dato suelto puede significar cualquier cosa. Por eso, de cuanta m¨¢s informaci¨®n dispongamos, m¨¢s interesante ser¨¢. Y al procesar y analizar los datos, se les dota de significado y utilidad: la informaci¨®n cobra vida.

Ya son muchas las empresas que han entendido esto y que han sabido aterrizar su amalgama de informaci¨®n en un beneficio real y tangible.

En la banca, las entidades observan y conectan todos los datos que tiene disponibles. Hasta ahora, ofrec¨ªan a sus clientes nuevos productos asumiendo necesidades que se basan en un punto en el tiempo y en grandes objetivos de ventas: ?Ha nacido un beb¨¦? Pues ofrecen una mejora en el seguro de vida. ?Un hijo est¨¢ en edad de ir a la universidad? La oferta ser¨¢, esta vez, sobre un pr¨¦stamo para pagar matr¨ªculas y costes de estudios. As¨ª, los bancos basaban su estrategia comercial en est¨¢ndares, lo que no siempre funciona.

Nada parecido a una relaci¨®n personal con el gestor del banco, algo que se perdi¨® y que ahora los centros de datos vuelven a permitir. Con un conocimiento profundo del consumidor es posible construir relaciones fuertes y duraderas al reforzar aspectos que aunque insignificantes en apariencia, son de gran importancia para el consumidor: hacerles saber que hay un mejor producto que el que tienen contratado, que est¨¢n pagando por duplicado por el mismo seguro, o simplemente felicitarles por su cumplea?os.?

En esta l¨ªnea, la anal¨ªtica de datos puede permitir solucionar tambi¨¦n algunos problemas del negocio minorista m¨¢s tradicional. Las tiendas f¨ªsicas se esfuerzan por conocer qu¨¦ ocurre en sus locales: los clientes van y vienen y solo algunos de ellos compran algo. ?Por qu¨¦? En los ecommerce, disponen de mucha informaci¨®n del comportamiento del consumidor, pero en el retail, o minorista, es complicado averiguar qu¨¦ ha visto el cliente, qu¨¦ productos le gustan o cu¨¢nto tiempo pasan en la tienda antes de efectuar la compra. Las tradicionales y costosas encuestas en fr¨ªo solo brindan fragmentos de informaci¨®n que, junto con datos hist¨®ricos escasos y una buena dosis de intuici¨®n, formaban la base sobre la cual los minoristas y las marcas hac¨ªan grandes inversiones en campa?as de marketing y creaci¨®n de productos: un tiro al aire.

Poco a poco se van desarrollando tecnolog¨ªas que tratan de extraer datos para ofrecer a los minoritas informaci¨®n al detalle de lo que ocurre en la tienda. Y no ¨²nicamente a trav¨¦s de balizas en carros y cestas, tambi¨¦n con an¨¢lisis de la informaci¨®n que genera cada comprador, en tiempo real, mientras contin¨²a en la tienda. Es posible monitorizar continuamente el comportamiento de los clientes mientras ocurre su experiencia de compra: en qu¨¦ pasillos est¨¢n, qu¨¦ direcciones siguen, incluso cuanto tiempo pasan delante de diferentes productos. Este sensor puede predecir momentos cumbre y lograr as¨ª una mejor gesti¨®n de personal; el product placement deja de ser resultado de la intuici¨®n. As¨ª, las tiendas f¨ªsicas empiezan a parecerse a sus equivalentes online, que hacen crecer sus ventas tras escuchar los datos.

En este sentido, las posibilidades que ofrecen los datos parecen ilimitadas: una mejor experiencia de consumo u optimizar la disposici¨®n en una tienda, pero tambi¨¦n en otras ¨¢reas como la seguridad y detecci¨®n de actividades fraudulentas. Y es que el fraude es la ruina de muchos sectores de consumo, aunque ninguno es m¨¢s susceptible que la industria de los seguros.

Este problema es real y los costes del fraude recaen tanto en la aseguradora ¨Ccon p¨¦rdidas- como en los asegurados -con primas m¨¢s altas-. Muchas de las aseguradoras trabajan para ajustar las p¨¦rdidas validando las reclamaciones, limitando su exposici¨®n y tratando de destapar los fraudes. Sin embargo y a pesar de todo, este tipo de estafa sigue siendo un gran problema: en el Reino Unido se estima la p¨¦rdida en miles de millones de libras y el incremento de las primas en un 5%. ?El motivo? El fraude no puede advertirse de forma aislada, como un dato aislado.

Otras aseguradoras, tras a?os analizando datos de reclamaciones y combinarlas con fuentes de fuera y dentro de la organizaci¨®n consiguen detectar tendencias emergentes y patrones que revelan signos de fraude, utilizando datos contextualizados y machine learning para encontrar esa aguja en el pajar.?

Tom Reilly es CEO de Cloudera