bigdata

Esto del “Bigdata” me recuerda a la explosión de los programas P2P (Emule, Napster, Torrent…), todo el mundo tenía a su “disposición” un montón de información, como películas, libros, música… y empezó la fiebre por aglutinar y amasar miles de películas, cientos de discografías y más libros de los que jamás tendrá la biblioteca nacional… y ¿para qué? Ni en 7 vidas podrías llegar a leer, ver o escuchar todo lo descargado, y en ocasiones lo descargado no era lo que realmente se buscaba, te encontrabas los típicos archivos “fake” que podían ser cualquier cosa…

Hoy en día corremos este mismo riesgo con el llamado Big Data. Acumular información en sí mismo no sirve para nada, la información es un medio para conseguir un fin. Parece que si sólo explotas la información de tus clientes a través de tus “sistemas tradicionales” ¡estás perdido! Y vives en la edad de piedra.

Teoría de Big Data:
Poder “analizar y explotar” la información que tenemos en nuestros sistemas, la actual y la acumulada a lo largo de los años, incluso poder linkarla con la existente en la red… Y poder extraer de forma “rápida” y “sencilla” conclusiones, tendencias que nos ayuden a entender y fidelizar a nuestros clientes.

La teoría es muy bonita, ¿A quién de vosotros no le gustaría tener en su CRM la información de interacciones presentes, pasadas y además, sus pensamientos, inquietudes, necesidades…? Y ya que estamos, poder añadir los “pensamientos” de nuestros clientes en nuestras matrices de análisis predictivo. Sería una gran herramienta de fidelización y de venta: “como se lo que te preocupa o lo que necesitas, me adelanto a que me lo pidas, incluso antes de que tú sepas que lo necesitas”. Esto es el sumun del “Customer Experience”.

De la teoría a la práctica:
Si estamos de acuerdo en la afirmación: “la información es un medio para conseguir un fin”.  Lo que deberemos tener muy claro antes de iniciarnos en un proyecto para explotar la infinita información de Big Data es nuestro objetivo, ¿Por qué, para qué?

Y esto me lleva a un estadio anterior, ¿Tengo ya toda la información necesaria de y para mi negocio? ¿La estoy explotando de forma correcta? ¿Tengo controlado por qué vienen mis clientes, por qué se marchan? ¿Tengo claro por qué unos clientes son apóstoles de mi marca y otros detractores? ¿Sé, por todo tipo de segmentación importante para mi negocio, por qué contratan unos servicios y no otros?… y aún más simple, ¿Estoy seguro que la información que manejo es fidedigna y completa? ¿Codificamos correctamente toda interacción con nuestros clientes?

Tengamos en cuenta que en muchas empresas tomamos decisiones basándonos en datos cuantitativos “cuántas veces pasa esto, a cuántos clientes les pasa esto”, estamos muy acostumbrados a trabajar con ratios, codificaciones, número de llamadas o interacciones, tiempos medios… pero no tan acostumbrados a trabajar con datos cualitativos: Analizando el contenido de las llamadas más allá de la mera codificación (Con herramientas de análisis y explotación del lenguaje), Analizando el contenido de los emails, escritos, etc. (Con herramientas de análisis de texto, etc.), para poder extraer la intención que el cliente quería expresar, y yendo más allá del “motivo principal de la llamada o gestión”, sino esas pequeñas cosas que te dice de soslayo, pero que nunca son codificadas, y son las que pueden decantar a un cliente a continuar con nosotros o irse con la competencia. Y toda esta información que no explotamos, primer hay que validarla… hay que revisar un estadio anterior ¿ Codificamos bien, es fideligna la información?

Una vez que analizamos y explotamos  información real y contrastada, y aun así, tenemos agujeros negros, y puntos de mejora, será cuando yo me plantearía ir a buscar más información, para ya sí, cerrar el círculo de calidad total que quiero para mis clientes.

Resumiendo:
¿Estoy sacando todo el partido a la información de la que dispongo? ¿Es fiable?… si es así, pensemos primero en que agujeros negros de información tengo, creemos una estrategia en la que tengamos claro ¿Qué quiero buscar y para que lo quiero buscar?, y después, lanzarse a la conquista del Big Data.

Tags: , , , , , , , , , , ,