Tag: analítica empresarial

En ITELLIGGENT nos hemos especializado en el desarrollo de tecnologías encaminadas a la estructuración de grandes volúmenes de datos (procedentes de Internet y de los sistemas propietarios) y el desarrollo de soluciones que permitan a las organizaciones obtener una ventaja competitiva gracias a la “inteligencia” que el análisis de estos grandes volúmenes de datos (Big Data) les aporta.

Es por ello que en este post, queremos exponer qué tipo de ventajas ofrece el uso del Big Data y la Inteligencia Artificial a través de herramientas diseñadas para ello. Es decir, mostrar cómo la estructuración de grandes volúmenes de datos junto a técnicas de inteligencia artificial pueden ofrecer información útil para cualquier tipo de negocio.

photo-15

Big Data y pricing. Monitorización de precios, modelización y gestión.

Una de las principales razones por las cuales los consumidores suelen hacer sus compras en el mundo online es la de beneficiarse de precios más ajustados que en los establecimientos físicos. Este hecho nos hace platearnos que, disponer de una herramienta de gestión y control de precios en Internet sea una tarea esencial para poder tomar decisiones en las estrategias de fijación de precios online.

Un ejemplo de plataforma big data enfocada al pricing es NetPrice de ITELLIGENT. Con esta herramienta se puede reducir la incertidumbre en la toma de decisiones en torno a una estrategia de precios. La herramienta recolecta una gran cantidad de precios e información sobre productos y servicios, tanto internos como de la competencia, para un posterior análisis de sus fluctuaciones. Esto facilita que se entienda mejor el mercado y permita anticiparnos a la demanda.

MONITORIZACIÓN MASIVA DE PRECIOS Y DETECCIÓN DE OPORTUNIDADES Y AMENAZAS

¿Por qué extraer precios? La extracciones masivas de precios (en algunos casos más de 150 millones de precios al mes) y su modelado para detectar aquellas amenazas y/o oportunidades,  debe requerir la atención de cualquier empresa. Esta monitorización de precios permite centrar el esfuerzo solo en aquellos precios (propios y de la competencia) que realmente puedan tener un impacto en la cuenta de resultados de la empresa.

BUSCADORES DE PRECIOS

En aquellos sectores con fuerte dependencia de buscadores de precios (ej. seguros), la monitorización masiva de precios, propios y de la competencia en estos buscadores, mediante la creación de modelos matemáticos descriptivos y predictivos, permiten que una empresa pueda adelantarse a la competencia obteniendo una ventaja diferencial gracias al conocimiento que esta modelización les aporta.

Una herramienta como Netprice facilita al departamento comercial establecer políticas de precios en base a técnicas de Revenue o Yield Management, o lo que es lo mismo, optimizar su gestión de precios en función de la demanda y la disponibilidad de artículos. Es fundamental la optimización del precio del producto/servicio para lograr maximizar los ingresos. Tener a disposición una plataforma con estas características se ha convertido en un elemento necesario e indispensable para la obtención de un control total de la gestión de grandes volúmenes de precios en Internet.

GEOMARKETING: localizaciones óptimas y segmentación inteligente de consumidores.

Una de las ventajas del análisis conjunto de los datos demográficos, económicos y geográficos es la posibilidad de realizar estudios de mercado para rentabilizar las estrategias de marketing llevadas a cabo por las empresas.

El análisis de este tipo de datos se puede llevar a cabo a través del Geomarketing. Tal como su propio nombre indica, Geomarketing es una confluencia entre geografía y marketing. Se trata de un sistema integrado de información –grandes datos de diversa índole-, métodos estadísticos y representaciones gráficas orientados a dar respuestas a cuestiones de marketing de forma rápida y sencilla.

photo-1476973422084-e0fa66ff9456

¿Cómo se puede aprovechar estos datos?

MODELOS DE VENTA

Un ejemplo pueden ser proyectos de distintos sectores cuyo objetivo sea crear modelos geoespaciales avanzados que permitan predecir cómo influyen determinados elementos (competencia, polos de atracción, demografía, horarios…) en la facturación de los comercios con vistas a detectar potenciales áreas de mejora.

El resultado de estos modelos se puede visualizar sobre un sistema de información geográfica, como como ser netgeomarketing de ITELLIGENT, de forma que permita a la empresa poder iterar con el modelo y ver los resultados de una forma muy visual.

FRANQUICIAS

Otro ejemplo podemos verlo en aquellos proyectos en los que el objetivo es la detección de ubicaciones óptimas para el establecimiento de una franquicia. En ITELLIGENT se ha desarrollado una metodología propia y algunas herramientas de soporte a la decisión sobre sistemas de información geográfica que permite a las empresas tomar decisiones informadas sobre la ubicación óptima de sus franquicias

¿Para qué sirve una plataforma de geomarketing?

  • Tomar decisiones de negocio en función de la localización de su mercado en un área geográfica
  • Planificar la estrategia de expansión, optimizar una red comercial, de punto de venta o red de distribución.
  • Determinar zonas de influencia y cobertura geográfica.
  • Evaluar perfiles de población (targets o clientes)
  • Descubrir dónde y cómo llegar a tus clientes para llevar a cabo acciones de marketing.
  • Averiguar puntos calientes de ventas (hot ubiety)
  • Detectar y evaluar dónde se encuentra la competencia así como calcular su cobertura y área de influencia.

ae

La Analítica Empresarial (AE) comprende los métodos y las técnicas que se utilizan para recopilar, analizar e investigar el conjunto de datos de una organización, lo cual genera conocimiento que se transforma en oportunidades de negocio y mejora la estrategia empresarial. AE permite una mejora en la toma de decisiones ya que éstas se basan en la obtención de datos reales y tiempo real y permite conseguir objetivos empresariales a partir del análisis de estos datos

Algunos factores como el aumento en la obtención de datos big data, los diversos cabales para relacionarse con los clientes-usuarios-consumidores y el crecimiento de la demanda para obtener mejores servicios;  hacen que los responsables de comunicación y marketing deban ser innovadores y efectivo en la toma de decisiones ya que la AE puede ser muy útil para dar apoyo a la estrategia de marketing de la empresa.

¿Qué podemos hacer con la Analítica Empresarial?

La AE permite:

  • Detectar tendencias
  • Realizar diagnósticos a partir de modelos predictivos
  • Utilizar estos modelos para optimizar los procesos de negocios
  • Enriquecer los datos internos de la empresa para diferenciarse de la competencia.

Clasificación de la Analitica Empresarial:

  1. Analítica Descriptiva. Utiliza los datos para explicar el pasado. Consiste en preparar y analizar datos históricos para identificar patrones y tendencias. Técnicas como modelos de regresión, el modelado de datos y visualización suelen ser usados en la Analítica Descriptiva.
  2. Analítica Predictiva. Utiliza los datos para determinar que puede pasar en elfuturo. La Analítica Predictiva permite determinar la probabilidad asociada a eventos futuros a partir del análisis de la información disponible (presente y pasada), además permite descubrir relaciones entre los datos que normalmente no es detectada con un análisis menos sofisticado. Técnicas como la minería de datos (data mining) y los modelos predictivos son utilizados.
  3. Analítica Prescriptiva. Utiliza los datos para prescribir aquellas accionesque incrementen nuestras posibilidades de obtener los mejores resultados. La Analítica Prescriptiva determina nuevos forma de operar que permitan alcanzar nuestros objetivos de negocio. Técnicas como la optimización o la simulación son utilizadas, aunque normalmente se requiere la creación de un modelo predictivo previo.

Business Analytics vs Business Intelligence

Internet ha generado un fenómeno completamente nuevo, en el que el mercado realiza sus propios análisis comparando ofertas, intercambiando experiencias y, en esencia, tomando el control de las marcas. Es por ello que los responsables de marketing deban tener en cuenta: ¿qué es la Inteligencia Empresarial?

Otro concepto relacionado con la AE es la Inteligencia Empresarial (IE) centrada en el uso de los datos de una empresa para facilitar también la toma de decisiones y anticipar acciones empresariales.

La diferencia con la AE es que la IE es un concepto más amplio, no solo se centra en el análisis de datos sino que éste es un área dentro de la IE. Es decir, la IE se trata de un conjunto de estrategias, aplicaciones, datos, tecnología y arquitectura técnica entre las que se encuentra la AE; y todo ello, enfocado a la creación de nuevo conocimiento a través de los datos existentes de la empresa.

El próximo día 12 de Noviembre a partir de las 10:00 am, nuestro Director Técnico de Itelligent, Jaime Martel, tendrá la oportunidad de participar en el IV Congreso Nacional de Conocimiento Abierto Bioinspirado e Inteligencia Colectiva, que se celebrará en el BBVA Innovation Center de Madrid.

Dicha jornada tendrá la finalidad de poner en conocimiento de las empresas las posibilidades de mejora de su competitividad mediante el desarrollo de herramientas que potencien su operatividad comercial y organizativa. Especialmente la capacidad de acelerador tecnológico del BIG DATA OPTIMIZER de Knowdle Foundation & Research Institute.

4ºcongreso-BigData-Itelligent

Jaime Martel, tratará el tema “Estado del arte de los robots semánticos”, durante la Mesa Redonda “Well are all Media Players: Big Data of Media Computing Challenges”, que tendrá lugar de 11:30 – 12:30 am. Según el Director Tecnico de Itelligent: “Una parte importante del potencial a realizar por el Big Data y la Analítica Empresarial proviene de la puesta en valor de los contenidos generados por los usuarios y otras informaciones textuales en lenguaje natural”.

Si estáis interesados en este evento se emitirá en Streaming a través del perfil de BBVA Innovation Center en YouTube

Cuando analizamos un conjunto de textos, en concreto tweets, nos surge un problema a la hora de detectar temáticas (o topics) existentes en ellos, ya que si tratamos con un número de tweets extremadamente numeroso esto será inabarcable para una o varias personas.topic

Una solución a este problema puede consistir en el uso de los denominados Topic Models. Estos se definen como modelos jerárquicos bayesianos que se aplican a una serie datos discretos, tales como un conjunto de textos, en nuestro caso tweets, y en el que se consideran a los elementos del conjunto como mezclas de un número determinado de topics, que aparecen con cierta probabilidad o frecuencia en cada elemento del conjunto.

En 2003 David Blei, Andrew Ng y Michael Jordan publicaron un artículo llamado “Latent Dirichlet Allocation (LDA)”, en el cual se describía un novedoso y revolucionario Topic Model. El LDA es un modelo jerárquico bayesiano de tres niveles, en el que se considera para los topics una distribución multinomial, cuyo parámetro n-dimensional, (siendo n el número de topics existentes), sigue, a su vez, una distribución de Dirichlet.

Uno de los proyectos a los que hemos aplicado este modelo es uno formado por 30000 tweets y basado en la escucha de una serie de bloggers influyentes del mundo de la moda entre los meses de Septiembre y Octubre de 2014, del que pretendíamos conocer sus tendencias predominantes.

Uno de los topics más importantes que hemos encontrado con un volumen del 7,2% del total, es uno relacionado con la dieta. En el siguiente gráfico, podemos comprobar como conforme empieza a terminar el verano, el físico deja de tomar importancia en las personas y de ahí la bajada de frecuencia en este topic. Observamos como pasa de un 0.1% a un 0.05%, casi la mitad de  la cifra anterior.

grafica1

Otro ejemplo es el obtenido en cuanto a la moda de Otoño, teniendo un volumen de datos con respecto al total del 7,7%.

grafica2

Esta gráfica, en cambio, es más estable pero aún así, podemos observar un pico coincidiendo con la Nueva York Fashion Week y Madrid Fashion Week entre la primera y segunda semana de Septiembre pasando de una frecuencia de aproximadamente 0.6% a cerca de un 0.8%.

Por último, como consecuencia también de las tendencias de las modelos en las pasarelas, es curioso ver como se trata el tema del peinado en las modelos, y como esto afecta al público. A continuación podremos observar, aunque con un volumen menor que en las anteriores, el 6.7% del total, como en la gráfica se ejerce un pico de frecuencia de esta temática, pasando de menos de un 0.06% a más de un 0.1%.

grafica 3

Al aplicar LDA a este y a otros proyectos relacionados con tweets hemos encontrado cierta desambigüedad en el conjunto final de textos que pertenecen a un topic (o topics) en concreto, es decir, cierta mezcla de temáticas, causada a raíz de la escasez de palabras contenidas en los tweets y que limitan este modelo para este conjunto concreto de textos.

Para evitar esta desambigüedad actualmente estamos realizando nuevas pruebas con otros Topics Models actuales, en concreto el Structural Topic Model (STM), que permite incluir metadata, (o grupo de características de los tweets, como puede ser autor, localización, etc), en el modelo, lo cual evita en gran parte el anterior problema, permitiendo una detección de topics más eficaz.