Categorías
Análisis Datos Data Management Datos Watson Analytics

El futuro del análisis de datos con Watson Analytics (I)

https://m4p.es/el-futuro-del-analisis-de-datos-con-watson-analytics-i/ El futuro del análisis de datos con Watson Analytics (I) 2016-06-22 08:37:25 admin Blog post Análisis Datos Data Management Datos Watson Analytics accont

Se lee en 5 minutos

¿Qué o “Quién” es Watson?

Watson es un complejo sistema cognitivo creado por IBM capaz de entender el lenguaje humano y responder a su interlocutor de forma única y precisa. En el año 2011 Watson fue capaz de ganar el concurso estadounidense de preguntas y respuestas “Jeopardy!” contra sus dos mejores concursantes.

De este desarrollo nació Watson Analytics, una plataforma tecnológica en la nube que nos ayuda a la exploración y el análisis de datos, mediante un sistema avanzado de visualización y predicción analítica. Gracias a la computación cognitiva, que puede procesar el lenguaje humano, las personas son capaces de interactuar con el sistema de análisis de datos. Además, Watson Analytics es capaz de “aprender” por lo que cuanto más lo utilices mejores serán los resultados y la ayuda que será capaz de ofrecerte.

Proyecto Analitica Digital IBM
Documento técnico: Analítica para todos

La capacidad de Watson Analytics de interactuar con el usuario mediante el lenguaje natural unido a su facilidad de uso, hacen que la extracción de conocimiento de los datos pueda llevarse a todos los ámbitos de la empresa.

¿Cómo funciona Watson Analytics?

En primer lugar, debemos tener en cuenta que Watson Analytics no es una herramienta de recolección de datos como Google Analytics o Adobe Analytics, no tendremos que insertar ningún píxel en nuestro sitio web. En su lugar, tendremos que subir o extraer de BBDD, mediante las diferentes opciones que nos ofrece la plataforma, nuestros datos para poder analizarlos.

Subiendo datos a Watson Analytics

El primer paso para poder hacer uso de la herramienta es proporcionarle los datos que queremos analizar, no obstante, y antes de ver las diferentes opciones, es necesario tener en cuenta una serie de factores que afectaran al resultado del tratamiento de los datos por parte de Watson Analytics:

  • Idioma. No hay problema en subir nuestros datos en el idioma que queramos, pero si queremos sacar el máximo partido de Watson, os recomiendo que todos los encabezados de las columnas o cualquier jerarquía que tengamos estén en Inglés.
  • Cualquier csv o Excel que subamos a la plataforma deberá estar lo más correctamente formateado en filas y columnas sin imágenes, encabezados, filas o columnas combinadas, además, hay que tener en cuenta que la primera fila del Excel será lo que Watson identifique como los headers.
  • Si tenemos un archivo de Excel con diferentes pestañas, solo se subirá la primera.
  • Un consejo sobre los meses… Al igual que pasa muchas veces con las tablas dinámicas, os recomiendo no crear columnas con el nombre de los meses, sino que creéis una columna que se llame mes y debajo coloquéis todos los meses. Así cuando pidáis una tendencia no habrá ningún problema.

Una vez logados en Watson Analytics, el primer paso será alimentar la plataforma con los datos que vayamos a trabajar para los que dispondremos de múltiples opciones:

Menu inicial watson analytics

En esta ocasión he elegido trabajar con un archivo de Excel ya que es el tipo de documento más común a la hora de exportar datos de nuestras herramientas de medición. Para ello lo haremos seleccionando la  opción “Local files”.

Subir datos watson analytics

El número que aparece en el archivo que acabamos de subir indica el “Quality Score” que asigna Watson Analytics a nuestros datos, este número se basa en un algoritmo interno de la herramienta, si tenemos valores vacíos en las celdas, si Watson es capaz de reconocer algunos valores que hayamos insertado etc. En definitiva, nos indica la idoneidad de los mismos para usar las opciones avanzas de la plataforma y no necesariamente que nuestros datos estén mal.

Nuestros datos WA

 

Preparando los datos con “Refine”

La  herramienta “Refine” nos servirá para mejorar la estructura de nuestros datos y que Watson sea capaz de leerlos lo más adecuadamente posible, para así ofrecernos todo su potencial y que podamos realizar todas las acciones a nuestro alcance.

Refine Watson Analytics

Es recomendable hacer este refinado de datos directamente en Watson ya que podremos crear copias del documento original con las modificaciones que necesitemos en cada ocasión. Algunas de las opciones que nos permiten realizar son las siguientes:

  • Filtrado y renombrado columnas

Una de las cosas que más me sorprendió es lo avanzado que es el sistema de filtrado ya que tenemos opciones muy parecidas a las que nos solemos encontrar en nuestras herramientas habituales de medición.

Filtrado Watson Analytics

Además, para el filtrado numérico nos encontramos con un sencillo slider que nos permite seleccionar de forma rápida el rango numérico que nos interese.

Filtro numero Watson Analytics

  • Cálculos, jerarquías y agrupación de datos

La posibilidad de realizar cálculos y crear nuevas columnas con ellos también es una opción muy útil y potente. En este caso he calculado el % de Micro-Conversión el cual no estaba en las columnas de mi archivo.

Calcular en watson analytics

  • Agrupación de Datos

Esta opción es muy interesante ya que nos permite agrupar nuestras métricas y crear así nuevos conjuntos de datos. En mi caso he agrupado los meses del año en cuartos para poder ver el comportamiento de los usuarios en este contexto temporal.

Agrupar datos Watson Analytics

  • Jerarquías

Las jerarquías crean relaciones entre las diferentes columnas de datos que tenemos disponibles. Esto nos permitirá, una vez estemos visualizando los datos, poder hacer “breakdown” en los mismos y aumentar el detalle de nuestro análisis.

jerarquia Watson analytics

Explorando el dato

En este apartado es donde Watson Analytics empieza a brillar y a demostrar uno de sus valores diferenciales, podemos interactuar con los datos de forma natural, haciendo preguntas.

En primer lugar preguntamos sobre la tendencia de los ingresos por mes y producto y Watson nos ofrece varias sugerencias que se adaptan a nuestra pregunta.

 Preguntando a Watson

Una vez accedemos al informe veremos la visualización que hemos seleccionado, así como información relacionada con nuestra búsqueda que nos da pistas sobre otros posibles insights. Además, si esta información adicional nos interesa, podemos pulsar en ella y acceder a su informe.

Respuestas de Watson Analytics

Por otro lado, el número de visualizaciones disponibles es bastante extenso y la herramienta nos sugiere cuáles se adaptan mejor al tipo de dato con el que estamos tratando, podemos acceder a ellas desde el icono superior izquierdo “Visualization”.

Visualizaciones Watson Analytics

Desde el menú “Format” podemos modificar desde el título de nuestra visualización, hasta la leyenda, colores etc. como si de un gráfico de Excel se tratara.

Formato de visualizacion en Watson Analytics

Pulsando botón derecho en el eje donde tenemos los valores, podremos cambiar la forma en que mostramos los datos (medias, máximos, mínimos, etc.) En la parte inferior tenemos todas nuestras dimensiones o columnas (del archivo que subimos) las cuales podremos usar como filtros o arrastrarlas para cambiar los gráficos que hemos creado. 

Sumarizacion de datos en Watson Analytics

Por último,  haciendo clic derecho sobre los elementos del gráfico, accedemos a más opciones de exploración de datos, podemos extraer una parte del conjunto de datos analizado y aplicarle otra dimensión disponible, compararla o hacer un cálculo.

Breakdown datos Watson Analytics

Compartir

Para terminar con este primer artículo sobre Watson Analytics, no podemos dejar de hablar sobre las opciones para compartir nuestros datos fuera de la herramienta ya que podemos enviar nuestras visualizaciones por mail, Twitter, enlace o descargarlas en varios formatos como Power Point, Imagen o PDF, aunque sí que es cierto que podrían dejarnos seleccionar qué elementos, de todos los que se muestran en pantalla, queremos que se extraigan, sobre todo en los formatos que no podemos editar como el PDF o las imágenes.

Compartir WA

En este primer artículo hemos repasado algunas de las opciones básicas a realizar cuando nos sentamos frente a Watson Analytics para poder visualizar nuestros datos y analizarlos, en el próximo artículo os hablaré de sus posibilidades predictivas y de la creación de Dashboards en la plataforma.

Os invito a que probéis Watson Analytics y compartáis la experiencia con nosotros!


Source: http://www.analiticaweb.es/feed/

El futuro del análisis de datos con Watson Analytics (I)

Categorías
analítica digital Campañas compra programática Data Management DMP publicidad digital retargeting RTB

DMP: cómo gestionar los datos en la nueva publicidad digital

https://m4p.es/dmp-como-gestionar-los-datos-en-la-nueva-publicidad-digital/ DMP: cómo gestionar los datos en la nueva publicidad digital 2016-06-09 09:24:51 admin Blog post analítica digital Campañas compra programática Data Management DMP publicidad digital retargeting RTB accont

Se lee en 3 minutos

 “La buena publicidad no se limita a hacer circular información. Penetra la mente del público con deseos y con creencias” (Leo Burnett)

La constante evolución y el dinamismo al que está sometido el negocio digital ha hecho que en los últimos años no dejemos de oír hablar de nuevos modelos de publicidad digital como Compra Programática, RTB, y la importancia de disponer de soluciones centralizadas como un DMP, Data Management Platform, según sus siglas en ingléspara la gestión de los datos en el marketing online.

Siglas y más siglas que cuando uno las oye por primera vez no sabe muy bien de que le están hablando y que generan una especie de rompecabezas en el cuál vamos a intentar poner un poco de orden.

En términos generales, Compra Programática se define como un sistema de adquisición de anuncios on-line de manera automatizada, que permite acceder en tiempo real y de forma simultánea a cientos de miles de opciones publicitarias, que se ajustan a lo que está buscando cada anunciante.  Se trata de mostrar el mensaje adecuado a un usuario concreto en el momento correcto. Lo importante ya no es dónde salimos, sino a quién impactamos.

Customer-Journey-DIVISADERO

Algo similar ocurre con el RTB, un sistema online de puja en tiempo real de cada una de las impresiones de un anuncio, en cada uno de los espacios publicitarios de una página web, que utiliza tecnología inteligente para unir editores, usuarios y anunciantes.

Por su parte, un DMP lo que hace es facilitarnos la segmentación de los datos de los usuarios y de las ventas, recogidos a través de todos los canales para, posteriormente, potenciar nuestros esfuerzos de captación y fidelización de clientes.

En otras palabras, gracias a los datos obtenidos de distintas fuentes, un DMP permite a los anunciantes crear segmentos demográficos, analizar los comportamientos de los usuarios y entregarlos a la plataforma de anuncios para poder focalizar la publicidad. Lo que acaba con suposiciones y conjeturas y aporta hechos reales de clientes reales en un entorno real, mientras interactúan con bienes y servicios online.

Ante esto, los beneficios se incrementan ya que un DMP no sólo es capaz de acumular una gran cantidad de datos heterogéneos sino, también, comprenderlos y analizarlos para darles un significado concreto, además de moldear dichos datos para obtener un mejor uso y rendimiento

El procesamiento de toda esta información genera a las compañías la capacidad de dirigir mejor sus campañas publicitarias online, transmitiendo una experiencia única y diferente según el usuario a que se dirijan o, dicho de otro modo, crear valor ofreciendo al cliente aquello que está buscando.

dmp-2

 Pero, ¿de qué manera afectan estos nuevos paradigmas de la publicidad digital al consumidor?

Hasta ahora los consumidores hemos formado parte de un medio poco amigable basado en minúsculas aspas de cierre, imposibles de encontrar y con el único fin de obtener el clic, banners que se mueven y abren páginas poco deseadas, vídeos que se ejecutan, aunque uno no quiera, pop-ups de suscripciones de contacto excesivas, etc.

A partir de ahora, los nuevos modelos de publicidad digital ofrecen la capacidad de segmentar la audiencia desde cualquier punto de vista en función de cuáles sean nuestros objetivos. De este modo, podemos segmentar por edad, por sexo, por ubicación geográfica, por tipo de usuario, por aquellos productos en los que un usuario ha mostrado más interés, etc. Todo esto hace que, como consumidores finales, la publicidad que nos va a impactar sea mucho más directa y enfocada a nuestras necesidades y dejemos atrás el bombardeo de todo tipo de anuncios.

Por lo tanto, podríamos concluir que, si como anunciantes conseguimos crear valor, ofreciendo al cliente aquello por lo que está dispuesto a pagar, generando confianza y fidelización y, como consumidores, obtenemos información de aquellos bienes o servicios que más nos interesan, ¿son los nuevos modelos de publicidad digital la llave para conseguir un mayor beneficio tanto para la industria como para el cliente?

Si te ha interesado este artículo y quieres ampliar información, haz click aquí. También puedes echar un vistazo a este post o bien acceder a nuestro Canal de YouTube y ver el Webinar bajo el título RTB y DMP, publicidad efectiva.


Source: http://www.analiticaweb.es/feed/

DMP: cómo gestionar los datos en la nueva publicidad digital

Categorías
Analítica Web Data Management data warehouse omniture personalización SiteCatalyst

Data Warehouse de Adobe Analytics, rentabiliza tus datos

https://m4p.es/data-warehouse-de-adobe-analytics-rentabiliza-tus-datos/ Data Warehouse de Adobe Analytics, rentabiliza tus datos 2016-01-20 08:57:28 admin Blog post Analítica Web Data Management data warehouse omniture personalización SiteCatalyst bootstrap

“El auténtico genio consiste en la capacidad para evaluar información incierta, aleatoria y contradictoria.”
Winston Churchill, estadista.

¿Conoces Data Warehouse de Adobe Analytics? ¿Tu empresa dispone de un Data Warehouse donde almacenar la información de los clientes? Si tu respuesta es NO, continúa leyendo, la siguiente información te interesa ;)
Según definió Bill Inmon en su libro “Building the Data Warehouse”, Data Warehouse se define como “El conjunto de datos orientados por tema, integrados, no volátiles, variables en el tiempo que se emplean como apoyo a la toma de decisiones”.

Atendiendo a la definición acuñada por Inmon, un Data Warehouse se caracteriza por ser:

Integrado: los datos recogidos se integran en una estructura constante, donde la información se constituye en diferentes niveles de detalle, según las necesidades de los usuarios.

Temático: los datos se organizan por temas para facilitar su acceso y entendimiento por parte del usuario final.

Histórico: la información almacenada sirve para realizar análisis de tendencias, por lo que ésta se carga con los distintos valores que toma una variable en el tiempo.

No volátil: la información almacenada puede ser leída pero no modificada. Es permanente, significando la actualización del Data Warehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.

Data Warehouse

Fuente: RiVi Consulting Group

 

Sin embargo, un Data Warehouse puede facilitarnos mucha más información ya que contiene metadatos, es decir, datos sobre los datos que nos permiten entre otras cosas saber la procedencia de la información, la periodicidad de actualización, la fiabilidad, etc. En definitiva, los metadatos serán los que nos ayudan a simplificar y automatizar la obtención de la información desde los sistemas operacionales a los sistemas informacionales.

Cada vez son más las empresas que utilizan sistemas de almacenamiento de datos o Data Warehouse. La ingente cantidad de información que recogemos de nuestros clientes debe ser útil y ágil de manera que el uso de la misma permita a las empresas operar en un mercado global, competitivo y sometido a continuos cambios tecnológicos.

¿Qué empresas son más propensas a tener este tipo de procesos?

Debido a las características de los sistemas de Data Warehouse su aplicación puede ser extensible a una gran diversidad de compañías de diferentes sectores, aunque en términos generales su aplicación está más dirigida a empresas en las que se recogen gran cantidad de datos, asociados a número de clientes, productos, transacciones, etc.

Aunque hay muchas compañías que ofrecen a sus clientes sistemas de almacenamiento de datos, en este post vamos a centrarnos en el Data Warehouse de Omniture, la herramienta de análisis de Adobe.
DataWarehouse Adobe Analytics es un repositorio de datos de Sitecatalyst que almacena información similar a la que se puede ver en ésta.

Pero, para conocer a fondo qué es y para qué sirve un Data Warehouse, vamos a ver cuáles son las principales diferencias entre ellas.

Cuando utilizamos Sitecatalyst los informes están predefinidos y sólo podemos llevar a cabo un pequeño número de break down de nuestros informes, sin embargo, en el caso de Data Warehouse, los datos se almacenan en bruto permitiéndonos contestar preguntas mucho más complejas sobre nuestros clientes. Aunque dicha información no la tendremos disponible antes de 24 horas.

Fuente: Athena IT Solutions

Otra de las bondades que posee Data Warehouse es la segmentación que nos ofrece sobre el usuario. Durante la recogida de datos de un visitante, para Sitecatalyst es difícil saber que dicho visitante, durante su visita meses atrás a nuestra web, consultó tal o cual producto o inició el proceso de descarga de una aplicación, pero no lo finalizó. Data Warehouse será capaz de ofrecernos una segmentación más profunda ya que contiene un histórico de datos y un motor integrado que nos permite crear segmentos específicos en función de nuestras necesidades.

Gracias a procesos como Data Warehouse, la interpretación de los datos puede darnos respuestas a preguntas que nos harán ser más competitivos:

¿Quiénes son mis clientes más rentables, qué productos usan, y por qué?

¿Qué promociones pueden hacerles tomar decisiones más arriesgadas?

• ¿Qué clientes tienen mayor probabilidad de irse con mis competidores?

En definitiva, la creación de un Data Warehouse representa el primer paso para implantar una solución completa y fiable de Business Intelligence.

Para saber más sobre Data Warehouse, te recomiendo que no te pierdas este post.

¿Y tú? ¿tienes respuesta para todas las preguntas?, ¿tu empresa ya dispone de un Data Warehouse para implementar el servicio a los clientes?

Esperamos tus comentarios :)

Source: http://www.analiticaweb.es/feed/