Pasos de un proyecto de Análisis de Datos

Los proyectos de Análisis de Datos se estructuran en 5 etapas:

  • Estrategia: Entender el negocio y establecer las preguntas de negocio y datos disponibles para responderlas.
  • Datos: Captar y armonizar fuentes de datos de diferentes sistemas (transaccionales, social, web, opendata…).
  • Análisis: Encontrar patrones y modelos en la información (abandono, segmentación, correlaciones…).
  • Visualización: Mostrar los datos de manera que sean más interpretables (dashboards, reports, infografías, mapas…).
  • Acción: Utilizar los datos para tomar mejores decisiones, mejorar procesos o mejorar/crear productos y servicios basados en datos.

Estrategia

El punto de partida de un proyecto de datos es tener buena comprensión del modelo de negocio actual y visionar cómo nos gustaría que fuera. Podemos utilizar cualquier framework de desarrollo de modelos de negocio que nos ayude a reflexionar sobre nuestro negocio. Por ejemplo, podemos utilizar un modelo popular como “Lienzo de Generación de modelos de negocio” (Osterwalder, Yves Pigneur, Alan Smith) Canvas

Con las necesidades de los segmentos de clientes y la propuesta de valor en mente podemos empezar el proyecto de datos haciéndolos las preguntas de negocio a las cuales querríamos responder con un análisis de datos:

Preguntas de Clientes

  • ¿Qué clientes son leales y cuales han desertado?
  • ¿Factores de Lealtad?
  • ¿Valor de Vida de cada uno de los Clientes?
  • ¿A qué Segmento pertenece cada Cliente?
  • ¿Perfil de mis clientes?
  • ¿Previsión de la Demanda?
  • ¿…?

Preguntas de los Producto/Servicios/Propuestas de valor

  • ¿Qué precepción tienes nuestros clientes de nuestros productos/servicios?
  • ¿Qué productos recomendar a un cliente?
  • ¿Cómo es la cesta de la compra de un Cliente tipo?
  • ¿A qué precio, oferta debería aplicar a un producto/servicio?
  • ¿Cuál es el patrón de compra de un Cliente?
  • ¿…?

Preguntas de la relación con nuestros Clientes

  • ¿Cómo es el Ciclo de Vida/Compra de mis clientes?
  • ¿Cómo mejorar mi programa de captación?
  • ¿Cómo mejorar mi programa de fidelización?
  • ¿Cómo mejorar la prescripción?
  • ¿Qué tareas realizar desde central y cuáles desde las franquicias?

Preguntas de los Canales

  • ¿Resultados por canal a nivel de alcance, interacción…?
  • ¿Atribución de ventas a la estrategia de canales?
  • ¿Cuál es el rol a jugar por cada canal?
  • ¿Cómo mejorar la experiencia en el punto de venta o e-commerce?

Preguntas de los Recursos clave

  • ¿Ubicación óptima de nuestros puntos de venta?
  • ¿Cómo se relaciona nuestra organización?
  • ¿Previsión de fallos en una máquina o servicio?
  • ¿Comportamientos anómalos, fraude?
  • ¿Riesgo de un producto defectuoso?

Preguntas de las Actividades principales

  • ¿Cómo optimizar la cadena de suministros?
  • ¿Cómo minimizar desperdicios?
  • ¿Cómo optimizar rutas de reparto?
  • ¿Cuáles son nuestros mejores proveedores?
  • ¿Nivel de cumplimentación de los procesos establecidos?

Preguntas del mundo Financiero

  • ¿Cuánto debería invertir en cada cliente?
  • ¿Cómo distribuyo mi presupuesto de marketing/ventas?
  • ¿Fuentes generadoras de ingresos y costes?
  • ¿Cuál es el valor potencial de mi cartera de clientes
  • ¿Precio óptimo para maximizar rentabilidad a medio plazo?
  • ¿Qué servicios descontinuar para reducir costes?

Preguntas de la Competencia

  • ¿Qué precios está aplicando mi competencia?
  • ¿Densidad de competencia en una área geográfica?
  • ¿Estudio penetración/cuota de mercado?

Datos

Ahora tenemos que seleccionar los datos internos y externos que pensamos nos podrían ayudar a responder a las preguntas de negocio y establecer el proceso para poder trabajar con ellos:

Selección de datos

  • Internos: clientes, producto, precio, comunicaciones, transacciones, personal…
  • Externos: mercado, competencia, clima, festividades/eventos…

Obtención de datos

  • Procesos ETL (Extraction/Transformation/Loading)
  • API (Application Programming Interface)
  • Scraping (obtención datos procedentes de las webs)
  • Webservices
  • Formularios web

Preparación de datos

  • Auditoría de datos
  • Reglas de datos y transformaciones
  • Mapeo de fuentes y campos base de datos

Validación de datos

  • Limpieza
  • Normalización
  • Deduplicación
  • Consolidación

Inyección y almacenaje de datos

  • Modelización
  • Infraestructura
  • Procesos input/output

Análisis

A continuación desarrollaremos los modelos analíticos que nos den respuesta a las preguntas priorizadas:

Exploratorio

  • Estadísticas de resumen de las variables por tipo de datos
  • Distribuciones de variables por tipo de datos
  • Correlaciones y asociaciones importantes entre las variables.
  • Identificación de las variables relevantes.

Preparación

  • Eliminación de outliers
  • Transformación de los datos y creación de nuevas variables: normalización, categorización, índices, variables indicadoras, etc.
  • Selección de la muestra: Train (75%) y Test (25%)

Modelización

  • Segmentación & Perfil del Cliente
  • Valor de Vida de un Cliente
  • Deserción Cliente
  • Venta cruzada
  • Cesta de la compra
  • Recomendador de productos
  • Resultados Campañas
  • Modelo de Atribución
  • Test A/B

Visualización

Para facilitar la comprensión de los datos y los modelos analíticos tenemos que desarrollar herramientas de visualización

Definición

  • Usuarios y necesidades
  • Dimensiones de la información y KPIs
  • Funcionalidades (comparador, mapas, alertas, integración modelos, exportaciones…)
  • Estilo, parte gráfica
  • Modelo de datos

Inyección

  • Interfaces de datos al dashboard
  • Carga de datos
  • Error handling

Desarrollo

  • Dashboard de Contadores y Segmentaciones
  • Dashboard Resultados de Campañas
  • Dashboard Integral de Marketing
  • Dashboard Cesta Productos y Pricing
  • Dashboard Ventas
  • Dashboard Proveedores
  • Dashboard Mercado & Investigación
  • Dashboard Calidad datos

Acción

Finalmente, el proyecto de datos nos tiene que servir para llevar a cabo acciones que mejore nuestro negocio a nivel de:

  • Mejora la toma de decisiones de negocio
  • Mejorar los procesos actuales
  • Mejorar o crear productos/servicios basados en datos

Dashboard Social Media

Contexto

Una Agencia de comunicación especializada en el desarrollo y ejecución de estrategias de social media, siempre le ha preocupado demostrar la efectividad de su trabajo midiendo las campañas. “Lo que no se mide no existe, y por tanto no se puede mejorar”.

Problema

El proceso, que se realiza una vez al mes, consume mucho tiempo y energía al equipo. Además, al ser un proceso manual, está sujeto a posibles errores. Para realizar los informes descargan los datos de la actividad de las redes sociales a través de herramientas como Social Bakers, Hoosuite… Posteriormente, utilizan MSExcel para crear un fichero de análisis y desarrollar las tablas y gráficos necesarios. El informe final se desarrollada en MS Power Point.

Solución

Desarrollo de un Dashboard Social Media con la herramienta BI Qlik Sense. Se accede desde cualquier navegador.

Se integran todos datos de Facebook, Instagram, Youtube, Twitter…

Visualización de los principales KPIs a nivel de Alcance, Interacción y Suscripción.

La información se puede visualizar a partir de varias dimensiones (categorías de clientes, áreas geográficas, tiempo, productos, tipos de comunicaciones, scores o indicadores…).

Permite aplicar cualquier tipo de filtro/exclusión sobre todo el histórico de datos sin que merme en rendimiento.

Puede utilizar marcadores para guardar una serie de filtros/exclusiones habituales.

Capacidad para crear tus propias tablas y gráficos sobre todos los campos disponibles.

Exportación de datos a MS Excel, MS PowerPoint PDF, JPEG, PNG.

Es amigable y rico en recursos gráficos. Fácil de aprender y usar.

Resultados

El proyecto ha sido un éxito en muchos aspectos. Se han reducido el tiempo de creación del informe mensual, ganando por tanto en productividad. Gracias a la automatización también se ha avanzado en la consistencia de la información.

Los KPIs de campaña están disponibles cada día, no solamente cuando se cierra el informe. Todo el histórico de información de Social Media está centralizada permitiendo comparar diferentes periodos de tiempo.

El equipo dedica su tiempo a tareas de más valor, aportando conclusiones y aprendizajes más exhaustivos.