Introducción

¿Has notado que la tecnología ha cambiado la forma en que vives? ¿Te has preguntado cuando navegas por tu canal de streaming favorito cómo saben qué películas o música sugerirte? ¿Cómo conocen tus gustos y preferencias?

Cada día el uso cotidiano de los datos ha llegado a ser más eficaz y eficiente para el uso/empleo de la información. Los primeros localizadores satelitales o GPS que se usaban en los autos, por ejemplo, eran aparatos costosos y no tan sencillos de portar como los de hoy en día, que prácticamente han sido sustituidos por aplicaciones como Google Maps o Waze, que instaladas en el celular te permiten llegar a tu lugar de destino e incluso te notifican en tiempo real lo que está sucediendo en la ruta. ¡Imagina la cantidad de información que generan estos dispositivos! Por esta razón y muchas más, se vuelve fundamental el estudio de los datos, su impacto y su papel en la toma de decisiones. Para el marketing, esto puede resultar en una fuente de información confiable para establecer estrategias exitosas.

En este tema revisarás los conceptos básicos de data science (ciencia de datos) y Big Data para adentrarte en el mundo de la información y entender cómo los algoritmos pueden facilitar la vida y ser utilizados en el análisis de quienes consumen con el fin de detectar patrones y predecir tendencias.

Explicación

Big Data

Figura 1. Conceptos básicos de data science y Big Data.

Big Data es un término de origen inglés que traducido significa datos masivos. Se pueden encontrar muchas definiciones al respecto, pero para que tengas una idea práctica del término, piensa en el número de personas en el mundo que navegan por internet en este momento, ¿cuántas imaginas que son? Según Hootsuite (s.f.), el número de usuarios de internet ya llegó a 4,950 millones de personas. ¿Cómo almacenar tanta información? ¿Qué hacer con ella? ¿Para qué me sirven tantos datos?

Algunos antecedentes de Big Data se ilustran a continuación:

A inicios del siglo XXI, ramas de la ciencia como la astronomía y la genética comenzaron a almacenar de forma masiva datos provenientes de sus investigaciones, como la exploración digital del espacio y el genoma humano. Por ejemplo, se generaron más datos en los primeros meses del proyecto Digital Sky Survey, que el total de datos acumulados en la historia de la astronomía desde su inicio hasta ese momento. Lo mismo sucedió con el desarrollo del genoma humano, que incluso llegó a generar 100 Gigabytes de datos por persona. ¡Increíble! ¿No? Pero ¿cuál es el verdadero valor de los datos? En efecto, como probablemente lo pensaste, el valor reside en su análisis e interpretación.

En este milenio se han desencadenado (y continuará siendo así) una serie de eventos relacionados con la generación de datos. La creación de nuevas tecnologías, el surgimiento de los celulares y el internet en particular, han desatado un cambio radical en la forma en la que nos relacionamos los seres humanos. En particular, hay un auge en el uso de las redes sociales y el internet de las cosas o IoT (Internet of Things) que se encuentra en la interconexión de los objetos que nos rodean y que son cotidianos en cada hogar del mundo. Es decir, es a través de la comunicación entre estos objetos que se facilitan las labores de administración del tiempo, el entretenimiento y las comunicaciones. Basta con que se envíe una instrucción al teléfono, a una bocina inteligente o incluso a un electrodoméstico, y a través del almacenamiento y análisis de la información previa los propios objetos incluso pueden tomar algunas decisiones o mostrar alguna opción sugerida, ya sea la recomendación de una canción, de una película, detonar un despertador, entre muchas otras cosas.

Big Data consiste en conjuntos de datos más grandes y complejos, especialmente de nuevas fuentes de datos. Estos conjuntos de datos son tan grandes que el software de procesamiento de datos convencional no puede manejarlos. Sin embargo, estos grandes volúmenes de datos pueden ser utilizados para resolver problemas empresariales que antes no eran posibles de resolver (Oracle, s.f.-a).

Tabla 1. Equivalencias de datos.

Algunas personas autoras afirman que a partir de 1 Petabyte de información almacenada ya se puede considerar Big Data, aunque existen otras que establecen otras categorías, sin embargo, con fines ilustrativos se presenta la tabla anterior. En la actualidad, y para tener una idea, por lo regular las laptops o computadoras de escritorio tienen un disco duro que puede almacenar hasta 1 Terabyte de información, es decir, 1024 Gigabytes; suficiente para el tipo de información con que se trabaja comúnmente, entre hojas de cálculo, documentos, imágenes o videos.

Data mining

De acuerdo con la empresa estadounidense de software Zendesk (2023), el data mining o minería de datos, es el proceso en el cual se realiza un análisis de grandes cantidades de información con la ayuda de tecnología, para identificar patrones y obtener información potencialmente útil para la toma de decisiones.

Puede entenderse data mining como una parte de los procesos propios de las bases de datos, e incluso en algunos casos pueden ser considerados como sinónimos, pero en términos de Big Data, la minería de datos hace referencia a “un conjunto de técnicas y tecnologías que permiten explorar grandes bases de datos, de manera automática o semiautomática, con el objetivo de encontrar patrones repetitivos que expliquen el comportamiento de estos datos” (Bello, 2021). Se puede establecer que la minería de datos es un conjunto de procesos, cuya finalidad fundamental es buscar información que sea valiosa para un negocio o institución en una base de datos.

Por lo regular se busca realizar dos operaciones básicas:

1. Predecir tendencias y comportamientos.
2. Identificar patrones.

La identificación de patrones se realiza utilizando inteligencia de negocios que permitirá comprender con profundidad qué está pasando y realizar una predicción para el futuro.

Finalmente, se puede establecer que la minería de datos es un conjunto de procesos que emplea técnicas estadísticas, áreas de las ciencias como matemáticas, biología y física, así como inteligencia artificial y, finalmente, el aprendizaje entre máquinas que se convierte en conocimiento a partir de grandes bases de datos. Incluso, dentro de la minería de datos, se pueden encontrar temas como minería web, minería de texto o minería de sentimientos, que como sus nombres lo indican tienen que ver con el análisis de textos, emociones y análisis de la web.

Análisis de datos

El análisis de los datos o la analítica de datos puede comprenderse como ese proceso en el que se examinan grandes volúmenes de datos, a una gran velocidad, con una amplia variedad y que contienen gran valor (lo que integra las cuatro V de Big Data) con la finalidad de encontrar patrones, correlaciones y relaciones entre los datos que permitan a las empresas obtener ventajas competitivas con relación a su competencia y adelantarse a los sectores y mercados en donde dichas empresas participan.

La analítica de datos emplea una gran cantidad de técnicas estadísticas, softwares especializados, lenguajes de programación como R, Python, C++, entre otros; y se apoya de la minería de datos y de la analítica predictiva, entre otras áreas.

De acuerdo con HubSpot, el desarrollador y comercializador de productos de software, es posible hacer una separación de datos, si se dividen en dos grandes grupos: cualitativos (expresan opiniones, por lo tanto, no son numéricos; se obtienen de encuestas de satisfacción, focus groups, entrevistas con usuarios, etc.) y cuantitativos (se expresan de manera numérica, y están basados en información comprobable y medible) (Pursell, 2023).

Según su función, los datos se pueden clasificar de la siguiente manera (Pursell, 2023):

1. Descriptivos. Frecuentemente transmiten opiniones subjetivas, lo que los hace no numéricos en su naturaleza. Estos valiosos conocimientos se pueden obtener a través de encuestas de satisfacción, grupos de enfoque o entrevistas realizadas a personas usuarias, consumidoras o clientes que brindan sus impresiones con respecto a un producto, servicio o necesidades específicas.
2. De diagnóstico. Son los que permiten entender las razones detrás de los hallazgos obtenidos después de un análisis descriptivo. Este proceso es más complicado y por lo tanto se necesita herramientas que faciliten el procesamiento de datos y que permitan identificar en qué áreas se deben hacer ajustes para mejorar los resultados en futuros análisis.
3. Predictivos. Al utilizar un modelo predictivo basado en información, es posible crear proyecciones para el futuro de situaciones relevantes como lo son, pronósticos de ventas, comportamiento del mercado, etc. Este proceso ocurre debido al análisis e interpretación de información histórica confiable. Este método permite tomar previsiones y adelantarse a resultados, ya sean favorables o no.
4. Prescriptivos. Son el resultado de llevar a cabo los análisis descriptivos, de diagnóstico y predictivos. Estos permiten crear estrategias que toman en cuenta lo sucedido en el pasado, las razones detrás de los hallazgos, lo que podría suceder en el futuro y las acciones que se necesitan tomar. Estos modelos son útiles para optimizar el uso de los recursos y convertir los datos en información valiosa.
5. Data driven. Finalmente, la clasificación data driven se basa en la enorme cantidad de datos que se obtienen en la era digital. Para poder interpretar y hacer uso de estos datos, es necesario contar con herramientas de software que los recolecten, clasifiquen y presenten de forma clara. Esta clasificación se divide en tres tipos principales:
   • Business intelligence: enfocado en utilizar los datos para mejorar la gestión y el impacto del negocio.
   • Big Data: centrado en recopilar datos de gran escala sobre el mercado, la competencia y los clientes para predecir tendencias.
   • Small data: contrario al Big Data, se enfoca en segmentaciones especializadas para conocer mejor a quienes compran un negocio.

Finalmente, es comprensible que al ser hoy en día tan sencillo el acceso a los datos, ya sea de forma pública o privada, es posible tomar decisiones en un plazo menor de tiempo que cuando no se tenía esta disponibilidad; por lo que esta disciplina crea tendencias como la estrategia de posicionamiento SoLoMo (social, localización, movilidad), es decir, nos enfrentamos a un nuevo público que está conectado casi de forma permanente a internet, lleva un celular que le geolocaliza y emplea un dispositivo móvil que por lo regular es un teléfono celular que genera un enorme cúmulo de datos. Esto representa al mismo tiempo una ventaja y un gran reto para las organizaciones, al emplear de forma responsable toda esta información.

Business intelligence

Los cambios tecnológicos de los últimos 50 años han generado un nuevo paradigma con un giro de 180 grados en la forma en que las organizaciones y empresas administran su información. Sin lugar a duda, la realidad superó la expectativa de quienes han logrado incorporar a la tecnología en su gestión empresarial.

Sin embargo, en la economía mundial existen diferentes tipos de empresas: micro, pequeñas, medianas y grandes corporaciones; y por lo regular cada una tiene circunstancias y posibilidades económicas diferentes en la adquisición de tecnología. Mientras las grandes corporaciones gestionan sus propios sistemas, o contratan a grandes compañías de software para gestionar su información, ¿qué opciones tienen las medianas, pequeñas y microempresas para aplicar la tecnología en la inteligencia de negocios? Incluso estas últimas difícilmente cuentan con un punto de venta. Claro está que, según la posibilidad económica cada una resolverá las dificultades a partir de sus propias herramientas. Mientras las micros y pequeñas empresas seguramente resolverán con una hoja de cálculo qué bien podrían automatizar; empresas que tienen una mayor posibilidad económica podrán adquirir un software especializado.

Entonces, ¿qué es la inteligencia de negocios? Es una estrategia que desarrollan las empresas con la finalidad de incrementar sus ganancias, su eficiencia y su competitividad, mediante el análisis y uso adecuado de su información histórica e incluso podría ser información actual en tiempo real.

¿Cómo desarrollan esta estrategia?

1. Preparando los datos.
2. Analizando su información.
3. Visualizando a través de tableros de control o dashboards la información más relevante.
4. Compartiendo la información.

Generalmente existen en el mercado plataformas o softwares de business intelligence que ofrecen almacenamiento de datos, procesamiento en línea, minería de datos y realización de informes.

Inteligencia artificial

Seguramente has empleado tu celular para programar, incluso con alguna instrucción de voz, la hora en que quieres que te despierte, se desconecte o se apague. ¿Te has preguntado cómo es posible esto? ¿Qué hay detrás de una acción de voz para que tu teléfono, tableta, televisión o cualquier otro aparato electrónico inteligente te obedezca e incluso que exista un software que pueda solucionar problemas imitando la forma en que lo haría un humano inteligente? La respuesta está en los algoritmos creados por quienes se dedican a la programación que generan la automatización para que tú, con instrucciones de voz o acciones muy simples, puedas resolver algún deseo o necesidad que esté al alcance de la tecnología. Aunque la inteligencia artificial, va más allá de lo antes mencionado, realmente busca la autonomía total de una máquina que piense por sí misma, que tome decisiones y que sea autónoma en todos los sentidos.
 
Entonces, ¿qué se entiende como inteligencia artificial? De acuerdo con Oracle (s.f.-b), la compañía especializada en el desarrollo de software y soluciones en la nube, la inteligencia artificial (IA) se refiere a aplicaciones que realizan tareas complejas sin la intervención humana, como la comunicación con clientes o jugar ajedrez. A menudo se utiliza junto con términos como aprendizaje automático y aprendizaje profundo. El aprendizaje automático se centra en crear sistemas que aprenden y mejoran su rendimiento a partir de los datos, pero no toda la IA se basa en el aprendizaje automático. Para aprovechar al máximo la IA, las empresas invierten en equipos de ciencia de datos para extraer valor de los datos disponibles. La IA puede ayudar a las organizaciones proporcionando una comprensión más completa de los datos, automatizando tareas complejas y mejorando el rendimiento y la productividad empresarial. Las empresas utilizan la IA para detectar intrusiones de seguridad, resolver problemas tecnológicos, reducir el trabajo de la gestión de producción y medir el cumplimiento interno.

Existen desafíos en la implementación de la IA, pero también historias de éxito, como Associated Press que produjo más historias al utilizar IA, y Deep Patient que permite a los médicos identificar pacientes de alto riesgo. La IA lista para usar ofrece soluciones y herramientas integradas con capacidades de IA.

Para dar el primer paso con la IA, se pueden utilizar chatbots para la comunicación con quienes son clientes, supervisar el centro de datos y ejecutar análisis empresariales. La implementación exitosa de la IA requiere una cultura de equipo que respalde el ecosistema de la IA, involucrando a equipos de análisis empresarial, ciencia de datos, ingeniería de datos, arquitectura de TI y desarrollo de aplicaciones.

Además, la IA evoluciona hacia la inteligencia adaptativa, que combina datos internos y externos en tiempo real para tomar decisiones empresariales más informadas. La IA es una ventaja competitiva para las empresas, ya que mejora la eficiencia, genera nuevas oportunidades de ingresos y aumenta la lealtad de las empresas y personas que son clientes. Sin embargo, para aprovechar al máximo la IA se necesita experiencia en su diseño y desarrollo.

En el siguiente gráfico se identifican algunos componentes de la inteligencia artificial, ya que no hay un consenso universal, y es un campo muy amplio con constantes nuevas adiciones, se puede decir que aquí se integran los más importantes:

Figura 2. Componentes de la inteligencia artificial.

Creación de valor con la analítica de datos

En la actualidad, la generación de datos es tan rutinaria que puede parecer exagerada e incluso sobrevalorada, pero es una realidad que no se puede evitar. Todos los días, los dispositivos como celulares, televisiones conectadas a internet, computadoras, ya sea de escritorio o portátiles, e incluso los relojes inteligentes, permean la vida cotidiana y es imposible evadir tal realidad. Incluso es algo que se disfruta, que hace la vida más fácil y permite acceder con un mínimo esfuerzo a un sinfín de servicios con solo un comando de voz o una mirada.

Este tipo de tecnología y la generación de información que de ella se deriva, representan para las empresas una herramienta para competir ante los constantes y rápidos cambios a los que se enfrentan. Aunque es cierto que representan una oportunidad, también lo es que conllevan riesgos, de manera que es necesario estudiarlas con detenimiento.

Las áreas de mercadotecnia de las empresas en el mercado actual compiten entre ellas aprovechando de la mejor manera toda la información, convirtiéndola en resultados que signifiquen algo para ellas. Las empresas más exitosas aplican la analítica de datos en la toma de decisiones de todas sus áreas de manera rápida e inteligente logrando mejores resultados. Hoy más que nunca, es importante que las organizaciones aprovechen la tecnología para generar valor a partir de Big Data.

Con los datos y la analítica, ¿cuál es el camino para seguir? La mejor manera es comenzar con una evaluación de la propia madurez de la organización y construir un plan sobre esa base. Como resumen, ese plan de datos y analítica siempre debería incluir cuatro pilares (YOOI, 2021):

1. Definir la estrategia de datos para alinear objetivos y puntos de enfoque.
2. Establecer bases sólidas de tecnología y arquitectura.
3. Perfeccionar el modelo operativo para gestionar y optimizar la cartera de iniciativas y supervisar el valor generado, invertir en alfabetización de datos y animar comunidades sólidas para lograr una cultura basada en datos.
4. Por último, desplegar un ciclo de mejora continua, perfeccionar el modelo operativo para gestionar y optimizar la cartera de iniciativas y supervisar el valor generado, invertir en alfabetización de datos y animar comunidades sólidas para lograr una cultura basada en datos, y desplegar un ciclo de mejora continua.

En resumen, la creación de valor es esencial para las empresas o instituciones que buscan mejorar la experiencia del público y satisfacer sus necesidades.

Big Data vs. el análisis tradicional

¿Recuerdas cuando ibas a la tienda de la esquina en tu niñez? ¿Cómo era tu experiencia? ¿Cómo compran la niñez en la actualidad? ¿Qué diferencias recuerdas entre tu experiencia de compra de hace 20 años, a la que tienen tus familiares o conocidos? Trata de pensar en esas diferencias entre el pasado y la actualidad hoy en día.

Analiza siguiente la tabla:

Tabla 2. Comparativa de las formas de toma de decisiones tradicional y la actual.

Como puedes observar, lo importante es reflexionar y encontrar las principales diferencias entre la forma tradicional en la que se tomaban decisiones empresariales a la forma en la que se hacen el día de hoy.

¿Qué hace en la actualidad la analítica para apoyar la toma de decisiones con respecto a las campañas de marketing? ¿Pueden mejorarse con el Big Data? ¿Siguen siendo tradicionales? ¿Cómo lograr diferenciar entre una y otra forma? Lo que sí se tiene claro es que la analítica buscará la información generada por la empresa y realizará minería de datos para aprovechar al máximo la información, y en función de ella comenzará a tomar decisiones.

Una forma muy clara de poder observar este fenómeno es cuando navegas en streaming o en las redes sociales. La publicidad que te aparece a la vista no es producto de la casualidad, seguramente está en función de tu huella digital y el seguimiento que la propia analítica web realiza día con día de los navegadores que empleas. Incluso la información spam o no solicitada que recibas en tu correo electrónico es derivada de este concepto. ¿Te preguntas cómo es que consiguen tu dirección? Seguramente te has dado de alta en múltiples servicios con tu correo electrónico para recibir una suscripción gratuita o algún beneficio.

La tecnología está siendo utilizada para tomar mejores decisiones, para segmentar mercados y tener mercados meta específicos; así como para diferenciar los productos de la oferta existente en el mercado y, por supuesto, para posicionar cada producto o servicio ofrecido en los mercados de bienes y servicios.

Cierre

Como puedes ver, el Big Data es un tema actual que se ha venido desarrollando en los últimos años y se vuelve fundamental en las competencias laborales en el marketing del siglo XXI. A través de la tecnología existente, ya sea por puntos de venta, plataformas tecnológicas de inteligencia de negocios u otras, por mencionar algunas de las formas en las que se adquiere la información, se logra la acumulación de grandes volúmenes de datos.

La misión del Big Data es transformar, visualizar, analizar y predecir con la información recolectada nuevas estrategias que permitan segmentar, proponer nuevos mercados meta, diferenciar los productos que desarrolle o promueva la empresa, así como posicionar los bienes y servicios producidos. En resumen, la empresa empleará la información para mejorar la toma de decisiones y optimización de los recursos.

Checkpoints

Asegúrate de:

• Comprender qué es el Big Data y su papel en la toma de decisiones.
• Identificar los conceptos minería de datos, análisis de datos, inteligencia de negocios e inteligencia artificial.
• Comprender los elementos que permiten la creación del valor a través de la analítica de datos.
• Identificar el Big Data como una herramienta fundamental para el análisis masivo de datos.

Referencias

• Bello, E. (2021). ¿Qué es el minado de datos o data mining? Técnicas y pasos a seguir. Recuperado de https://www.iebschool.com/blog/data-mining-mineria-datos-big-data/
• Hootsuite. (s.f.). Digital 2022 global overview report. Recuperado de https://www.hootsuite.com/resources/digital-trends
• Oracle. (s.f.-a). ¿Qué es big data? Recuperado de https://www.oracle.com/mx/big-data/what-is-big-data/
• Oracle. (s.f.-b). ¿Qué es la IA? Conoce la inteligencia artificial. Recuperado de https://www.oracle.com/mx/artificial-intelligence/what-is-ai/
• Pursell, S. (2023). Guía completa para el análisis de datos (con ejemplos). Recuperado de https://blog.hubspot.es/marketing/analisis-de-datos
• YOOI. (2021). The 4 pillars to create value from data & analytics. Recuperado de https://www.yooi.com/blog/the-4-pillars-to-create-value-from-data-analytics
• Zendesk. (2023). Data mining: 6 etapas para generar insights valiosos. Recuperado de https://www.zendesk.com.mx/blog/data-mining-que-es/