¿Cómo las empresas usan los datos de sus clientes?

En 2010 un hombre entró molesto a un supermercado de la cadena Target en Minneapolis, Estados Unidos, exigiendo ver al encargado del local. Según relata The New York Times, el hombre quería saber por qué le habían enviado a su hija una publicidad de ropa para embarazadas y muebles para habitaciones de bebé, si ella todavía estaba en el liceo. "Están tratando de convencerla de que quede embarazada", protestó el hombre.

Tiempo después, ese padre regresó para pedir disculpas. Es que su hija sí estaba embarazada, y su tienda de confianza lo supo antes que él. ¿Cómo pudo Target adivinar el embarazo de la adolescente? El especialista en estadística Andrew Pole, mientras trabajaba para la cadena, notó que las mujeres embarazadas compraban una mayor cantidad de lociones sin aroma, que consumían más productos con alto contenido de calcio, magnesio y cinc, lo que le permitía generar un algoritmo capaz de establecer una "probabilidad de embarazo" y una fecha estimada de parto.

¿Y qué ganó con esto Target? La cadena ahora podía ofrecer promociones o comunicaciones específicas a las mujeres que atravesaban ese momento especial. De esta forma, los datos se convirtieron en un activo para la compañía.

Así como esta cadena de supermercados, en todo el mundo las empresas están empezando a utilizar los datos ya no solo para explicar lo que pasa, sino también para predecir lo que pasará y tomar decisiones en consecuencia. Definir cuándo hacer mantenimiento de una máquina antes de que sufra un desperfecto técnico, saber si un cliente retornará a una tienda o por qué no lo hace, conocer qué productos funcionarán en el mercado antes de que se venda un solo artículo y hasta producir una serie de televisión con la certeza de que será un éxito de audiencia: todo eso se puede saber gracias a los datos y a los algoritmos.

No en vano la palabra "data analytics", o análisis de datos para la elaboración de modelos predictivos, está cada vez más de moda.

Netflix utilizo la base de datos de sus 30 millones de suscriptores para redecir que House of Cards iba a ser un éxito.

Según explicó el economista y Máster en Business Intelligence, Diego Vallarino, los datos pueden provenir de diversas fuentes: los que la empresa posee, y los que provienen de la llamada Big Data. Esta última incluye grandes bases de datos –en la que los usuarios no son identificados con nombre y apellido– entre las que se encuentran la información en redes sociales, la navegación en internet, lo que se compra a través de tarjetas de débito y crédito, y un largo etcétera.

"El problema de las empresas es cómo gobiernan esos datos. Hay compañías que se están empezando a preocupar y necesitan administradores de datos para tener información confiable y de calidad, porque así pueden tomar decisiones mucho más fundamentadas", comentó Vallarino.
El especialista es además miembro del directorio de Overactive, una consultora que hace análisis de datos y creación de modelos predictivos para compañías de rubros como comercio minorista y banca. "Nos preguntan, por ejemplo: qué remera se va a vender más en verano, o si alguien va a ser buen o mal pagador de un préstamo, y contestamos sabiendo que el pasado explica parte del futuro", agregó.

Los casos locales

La agencia de préstamos Pronto! fue una de las primeras compañías en convertir el análisis de datos en un diferencial de mercado. "Una empresa tecnológica en la industria financiera", así se define Pronto!, según su gerenta de Innovación, Paula Pereyra.

Esta compañía elaboró un modelo predictivo que toma en cuenta la información que debe aportar quien solicita un préstamo (recibo de sueldo, datos socio-demográficas), más los datos de morosidad de la central de riesgos del Banco Central y el Clearing de Informes, y con esa base se define si es aceptado para recibir el préstamo y hasta qué montos, plazo y cuotas se les puede ofrecer. "Nos sentimos más cómodos porque hay criterios objetivos", explicó Pereyra.

También en la industria financiera, la desarrolladora de software para la banca, Infocorp, presentó en 2015 un producto pensado para que los bancos puedan ofrecer promociones y servicios de manera forma hipersegmentada.

Según explicó el vicepresidente de Producto de Infocorp, Felipe Gil, la herramienta permite utilizar los datos que los bancos tienen de sus clientes –como los patrones de consumo, evolución de los saldos, o qué tipo de tarjetas poseen– para generar campañas a través del portal público del banco, la solución e-banking o los canales salientes como mails o sms.

Como resultado, explicó Gil, "los clientes se sienten entendidos y los bancos tienen campañas más efectivas".

Más allá de lo imaginable

La capacidad de segmentación que ofrece el análisis de datos es lo que lo hace tan atractivo también para la publicidad, una de las industrias que más se han beneficiado de esta tendencia. Para el presidente de Young & Rubicam, Álvaro Moré, "las nuevas posibilidades de segmentación están llegando a límites que nunca se imaginó la industria. Gracias a los teléfonos inteligentes hoy es posible hacer llegar a la publicidad basándose en la geolocalización, y gracias a las redes sociales podemos conocer los gustos de los consumidores, estado civil, y tener con más precisión datos de edad, zona de residencia y nivel educativo", destacó el publicista.

No en vano, desde hace dos años esta agencia de publicidad cuenta con dos profesionales especializados en Analytics. Saber con un alto grado de exactitud cuántas de las compras que recibe una marca son consecuencia de una publicidad, medir la efectividad de una campaña digital en tiempo real –lo que permite hacer cambios de ser necesario–, analizar cómo es vista una marca en redes sociales, son algunas de las tareas de los especialistas en análisis de datos.

"Antes las campañas estaban inspiradas en la investigación y en las verdades irrefutables que surgían de ella; ahora van a surgir de la estadística", sentenció Moré.

En proceso

Otras empresas, si bien no tienen un sistema ya en funcionamiento, están trabajando en la creación de una base de datos que permita crear modelos predictivos.

Tal es el caso de la firma de recuperación de activos, CGM & Asociados. Este call center pretende utilizar sus datos para definir en qué momento es mejor llamar a personas en condición de morosidad con alguna institución financiera para que se pongan al día con sus cuentas.

Según indicó el gerente de Negocio de CGM & Asociados, Vinicius Duarte, datos como la edad, la zona en la que vive, si el préstamo fue tomado en una cooperativa o en una financiera, la cantidad de cuotas del préstamo se pueden utilizar para predecir su comportamiento.

Los más jóvenes tienen mayor predisposición a la mora, igual que aquellos que viven en zonas de frontera, por tener una mayor movilidad demográfica, indicó Duarte. Esto permitirá aumentar o disminuir la insistencia con la que se llama a un cliente moroso.

Un analista de datos sénior en Uruguay puede ganar hasta $70.000, según datos de Manpower Un analista de datos sénior en Uruguay puede ganar hasta $70.000, según datos de Manpower

En el supermercadismo, en tanto, el grupo Ta-Ta (Ta-Ta, Multiahorro y Ta!), lanzó en octubre pasado una tarjeta de fidelidad con la que la compañía buscará identificar cuántas veces el cliente va por mes al supermercado y qué es lo que compra.

La empresa se encuentra en este momento buscando un proveedor de software para el diseño de modelos matemáticos que le ayude a utilizar esos datos.

Según indicó el gerente de Marketing de Ta-Ta, Damian Lachaga, los supermercados gastan entre 0,5% y 3% de todas sus ventas en programas de fidelidad, que buscan generar un incentivo para que los consumidores regresen a la tienda, pero también pueden servir de fuente de datos sobre sus consumidores.

Barrera cultural

Para el director de consultoría de EY, Ernesto Scayola, el análisis de datos va a ser una necesidad de negocios en el mediano plazo. "Si no lo tenés vos lo va a tener tu competencia. Es una forma de mejorar la rentabilidad en el día a día y vas a tener la posibilidad de sacarle valor a la información", opinó el especialista. Sin embargo, son pocas las empresas que están trabajando en base a datos en Uruguay.

Para el economista y máster en Business Intelligence, Mauricio Giacometti, "hay un desconocimiento abrumador" en las capas directivas de cómo pueden utilizarse los datos para crear modelos predictivos. Para el especialista, lo que frena el avance de esta forma de hacer negocios es que las empresas no tienen una base de datos centralizada, ni tampoco quien explique los datos en las compañías.

Es este desconocimiento, y no el costo de las herramientas, lo que hace que Uruguay tenga un bajo nivel de desarrollo en estas tecnologías, según Giacometti. Para pequeñas empresas existen herramientas gratuitas, como Microsoft Power Bi, que solo requieren un pago en caso de volúmenes de datos que solo podría generar una empresa de mediano o gran porte.

Por esta razón, desde 2014 se creó un curso de analista de datos orientado a negocios en el centro educativo que fundó y actualmente dirige, el Instituto CPE.

El curso más caro de este instituto es Métodos Cuantitativos Para Negocios, que tiene 12 semanas y cuesta $ 18 mil. Allí los estudiantes aprenden a calcular qué va a comprar un consumidor a base de su historial de compra o si va a ser un buen o mal cliente.

Watson, el asesor experto llegó a Uruguay

Watson, el servicio de computación cognitiva de IBM, es capaz de entender y responder preguntas en lenguaje natural, valiéndose de información "no estructurada", como imágenes, el significado de los adjetivos, el contexto de la conversación, y la semántica empleada. "¿Cuál es el ejecutivo de cuentas más adecuado para atender a este cliente?" Watson puede hacer un perfil psicolingüístico a través de las redes sociales y dar una respuesta con una probabilidad estimada de éxito. "¿Cada cuánto debo hacer mantenimiento de mi línea de producción?" Basado en datos históricos, Watson puede predecir cuándo se producirá una falla, de modo que pueda hacerse el mantenimiento justo antes de que se produzca. Esta tecnología ya está disponible en Uruguay y de hecho una empresa estatal está entre los primeros clientes de la firma tecnológica.

MonkeyLearn quiere pymes más inteligentes

La desarrolladora de software uruguaya Tryolabs lanzó en 2013 MonkeyLearn, su apuesta de machine learning para pequeñas y medianas empresas. Esta tecnología es una rama de la inteligencia artificial, que permite que las computadoras aprendan a partir de una información no estructurada suministrada en forma de ejemplos.

Si lo que se quiere es generar un algoritmo capaz de detectar operaciones bancarias fraudulentas, primero se debe mostrar varios ejemplos de operaciones legítimas y fraudulentas y aclararle a la computadora de que tipo de transacción se trata, de modo que aprende qué es legítimo y qué es fraude. Esta tecnología permite analizar grandes cantidades de datos de forma automatizada. Esta innovación de Tryolabs es una novedad hasta para empresas de Silicon Valley, donde este emprendimiento tiene su principal mercado.