Si los datos no son información, y la información no es conocimiento (según una libro escéptico sobre las perspectivas de Internet y el comercio electrónico en 1995), ¿cómo podemos dar el salto de los datos a saber qué hacer a continuación? Aunque pueda parecer filosófico, esta es también una pregunta muy práctica para las empresas que buscan utilizar los datos disponibles para tomar decisiones inteligentes. En esta era de sobrecarga de información, es fácil perderse en el camino hacia ese objetivo final.
"Datos" se refiere a hechos, cifras o señales no estructurados o incompletos. En el caso de los minoristas y las marcas, pueden ser listas de inventario de productos, puntos de precio, estadísticas de tráfico en la web, etc. Los datos deben procesarse y organizarse para convertirse en información, que a su vez se combina con la experiencia y la comprensión para llegar al conocimiento. Darse cuenta de cuándo y cómo actuar a partir de los conocimientos es una ventaja estratégica en el ámbito comercial. Esta serie de definiciones refleja el ciclo por el que pasan las empresas para obtener conocimientos a partir de la diversa información recursos a la que acceden.
La pirámide de datos-información-conocimiento, por Joe Gollner
De las etapas del conocimiento a las etapas del procesamiento de datos
Uno de los procedimientos más comunes para tratar los datos en muchas organizaciones es el ETL, o Extracción, Transformación, Carga:
- La extracción consiste en obtener datos, generalmente de múltiples fuentes, que pueden diferir en calidad y/o cantidad. Estos son los datos en bruto en sí mismos.
- La transformación significa limpiar los datos para que se ajusten a ciertas normas. Una vez formateados y almacenados adecuadamente, los datos pueden considerarse información.
- Cargar los datos a un destino, como un almacén de datos, permite que sean consultados y analizados, lo que conduce al conocimiento. Los datos pueden entonces ser integrados con otros datos.
La acción es el paso final, el más significativo, pero también el más desafiante. El curso de acción correcto se determina subjetivamente teniendo en cuenta sus objetivos junto con el contexto más amplio del mercado. Por ejemplo, la decisión de un minorista de vender o no un nuevo producto debe basarse no sólo en su objetivo de aumentar las ventas, sino también en la conciencia de que el surtido que ofrece se compara con el de otros en el mercado.
Esto devuelve el enfoque a los datos, completando el bucle ETL. Un negocio basado en datos monitoriza constantemente los indicadores clave de rendimiento para las oportunidades de mejora y pregunta qué métricas podrían faltar. Debido a la globalización y la digitalización de las compras, los minoristas se ven obligados a seguir la pista de los competidores de los que tal vez nunca hayan oído hablar, no sólo de los nombres conocidos. El seguimiento se hace cada vez más difícil debido a la cantidad de puntos de datos que se van acumulando con el tiempo. El mantenimiento de registros históricos es la única manera de detectar las tendencias de los datos.
En particular, Wiser es capaz de servir como un oráculo moderno para aquellos interesados en cuestiones relevantes para la inteligencia del comercio electrónico. Por ejemplo, digamos que quieres saber, "¿Qué tan temprano comenzaron las promociones de vestidos de Pascua?" Para responder a tal pregunta, Wiser ha desarrollado tecnologías avanzadas de información de productos que incluyen la extracción de la web, la clasificación automatizada y el análisis a pedido.
Convertir la información de productos en línea en respuestas
Entonces, ¿por dónde empiezas? Encontrando los datos que hay que reunir. Páginas web de minoristas, mensajes de correo electrónico, y publicaciones en medios sociales son todas entradas para el sistema de extracción de Wiser. Convertirlos en tablas de datos implica analizar los títulos, imágenes y precios mostrados, entre otros atributos del producto. En ese momento se puede determinar qué datos contienen una palabra clave de interés ("dress", "Calvin Klein") o han sido identificados con otras características (ventas ofrecidas por Bloomingdale's o Dillards). Se pueden realizar investigaciones adicionales para sacar a la luz los datos pertinentes que puedan presentarse según las peticiones de los clientes.
"Basura que entra, basura que sale" sigue siendo una máxima pertinente, ya que puede haber discrepancias o trampas en la información presentada. Es posible que los productos de un sitio web determinado no coincidan realmente con lo que se supone que consiste el estante, cuando los accesorios se incluyen en una agrupación principalmente para vestidos, por ejemplo. Si bien en teoría un artículo podría pertenecer a múltiples categorías de productos, en la práctica debería haber una única clasificación correcta para facilitar la exactitud de la medición. La mayoría de los sitios web de comercio electrónico presentan una taxonomía definida. Aparece como un menú de navegación que comienza con categorías de nivel superior y progresivamente muestra otras más específicas. Pero los diferentes sitios web toman diferentes decisiones sobre cómo clasificar sus productos en términos de granularidad y disposición ("Ropa" como subcategoría de "Mujeres" o viceversa).
El enfoque de Wiser es estandarizar la gama de taxonomías de los minoristas en una desarrollada internamente, no considerada superior, sino simplemente más funcional para la necesidad de nuestros clientes de hacer comparaciones de manzanas con manzanas en todo el panorama de la venta al por menor. De hecho, una taxonomía es un sistema de organización del conocimiento que debe evolucionar junto con una empresa. Esta clasificación uniforme es una forma especializada de integración de datos que es necesaria como base para todos los conocimientos proporcionados. Sin un alto nivel de confianza sobre la categoría de productos a la que pertenece una página web o un tweet, no podría haber afirmaciones de gran tamaño sobre el precio o el surtido.
Llegar al paso de tomar una decisión informada sólo es posible después de un cuidadoso proceso de recopilación, depuración y análisis de datos. Sin embargo, ni siquiera eso es garantía de resultados; como en el mercado de valores, el rendimiento pasado no es un predictor perfecto del futuro.
La clave para las empresas comprometidas con este enfoque estratégico basado en los datos es la inversión en conocimientos especializados y herramientas que respalden un juicio sensato a largo plazo. Aprender a gestionar la tubería de datos y los sistemas asociados tiene un costo, pero bien vale la pena los beneficios potenciales en crecimiento y valor.
Escritor colaborador: Eric Chuk
1 Comentario