Analítica práctica

Ejemplos de aplicación

1332

amplifying glassEstá cambiando la manera de comunicarnos, informarnos y hasta de socializar, entre nosotros y con las organizaciones y las marcas. Se están modificando los hábitos de consumo. Los procesos se digitalizan, se redefinen los modelos y se adaptan a las nuevas necesidades para crear valor. Esto conlleva la generación de millones de datos.

La gestión de estas grandes cantidades de datos se ha convertido en pieza fundamental para obtener una ventaja competitiva. El análisis de big data supone un notable ahorro de costes y la generación de valor en experiencia de usuario. No es el futuro, es el presente.

El análisis mediante técnicas de data science —y big data cuando es necesario—, ya está ayudando a muchas empresas a optimizar su negocio, mejorar sus procesos o conocer mejor a sus clientes.

Industria

Un caso concreto es el de planificación de demanda que se ha llevado a cabo en una firma líder del sector paquetero, en sus hubs de Andalucía. Esta empresa tiene la flexibilidad para dimensionar los recursos de servicio de transporte y asistencia de call center en función de sus expediciones con una antelación de 48 horas, por lo que le es imprescindible estimar el número de envíos que tendrá que gestionar con esta antelación.

Para ello ha puesto en marcha una aplicación de previsión de expediciones a una semana vista. Tomando como base todos sus datos históricos, se ha enriquecido con fuentes externas, como calendarios, fechas relevantes (ferias, rebajas, festivos…), datos poblacionales y socioeconómicos. La previsión se genera y publica diariamente para cada uno de los hubs en Andalucía, y, dentro de estos, para cada una de sus rutas.

Hoy está contratando recursos a partir de esta previsión, con un nivel medio de acierto en torno al 94%. Anteriormente, el error medio era del 4%.

Optimizar el negocio, mejorar los procesos y conocer mejor a los clientes

e-Commerce

Por mencionar otro ejemplo específico: el caso de Escrapalia.es, el portal líder en España de subastas en el mercado secundario, especializados en material industrial. Con más de 10000 usuarios registrados, tiene activas alrededor de 200 subastas a la semana y, para promocionarlas, envía semanalmente campañas de email marketing dirigidas a sus usuarios.

Su objetivo era mejorar la tasa de clics de sus campañas, incrementar el número de pujas por subasta y recuperar usuarios inactivos.

Con este objetivo, se construyó un sistema de recomendación que analiza los datos históricos de las pujas y determina, para cada subasta activa de la semana, cómo de probable es que un usuario puje en ella. ¿Cómo se hizo esto? Utilizando variables como las preferencias de cada usuario por las diferentes categorías de subastas, el importe típico por el que suele pujar, la localización, etc. Con estos datos, cada semana el sistema construye automáticamente un correo personalizado para cada uno de los 10000 usuarios.

¿Los resultados? Se ha mejorado la tasa de clics entre un 38% y un 55% (depende de la oferta semanal) y más del 50% de las pujas vienen influenciadas por la newsletter. Además, de los usuarios que pujan cada semana, hay entre un 20% y un 30% que llevaban más de tres meses sin actividad en el sistema, los que podrían considerarse “inactivos”. Algunos de ellos nunca habían pujado, a pesar de llevar registrados meses o años.