Mas de Data Mining

Nuestra capacidad para almacenar datos ha crecido en los últimos años a velocidades exponenciales. En contrapartida, nuestra capacidad para procesarlos y utilizarlos no ha ido a la par. Por este motivo, el data mining se presenta como una tecnología de apoyo para explorar, analizar, comprender y aplicar el conocimiento obtenido usando grandes volúmenes de datos. Descubrir nuevos caminos que nos ayuden en la identificación de interesantes estructuras en los datos es una de las tareas fundamentales en el data mining.

En el ámbito comercial, resulta interesante encontrar patrones ocultos de consumo de los clientes para poder explorar nuevos horizontes. Saber que un vehículo deportivo corre un riesgo de accidente casi igual al de un vehículo normal cuando su dueño tiene un segundo vehículo en casa ayuda a crear nuevas estrategias comerciales para ese grupo de clientes. Asimismo, predecir el comportamiento de un futuro cliente, basándose en los datos históricos de clientes que presentaron el mismo perfil, ayuda a poder retenerlo durante el mayor tiempo posible.

Las herramientas comerciales de data mining que existen actualmente en el mercado son variadas y excelentes. Las hay orientadas al estudio del web o al análisis de documentos o de clientes de supermercado, mientras que otras son de uso más general. Su correcta elección depende de la necesidad de la empresa y de los objetivos a corto y largo plazo que pretenda alcanzar. La decisión de seleccionar una solución de data mining no es una tarea simple. Es necesario consultar a expertos en el área con vista a seleccionar la más adecuada para el problema de la empresa.

Como se ha visto a lo largo del este artículo, son muchas las áreas, técnicas, estrategias, tipos de bases de datos y personas que intervienen en un proceso de data mining. Los negocios requieren que las soluciones tengan una integración transparente en un ambiente operativo. Esto nos lleva a la necesidad de establecer estándares para hacer un ambiente interoperable, eficiente y efectivo. Esfuerzos en este sentido se están desarrollando actualmente.

 

En resumen, el data mining se presenta como una tecnología emergente, con varias ventajas: por un lado, resulta un buen punto de encuentro entre los investigadores y las personas de negocios; por otro, ahorra grandes cantidades de dinero a una empresa y abre nuevas oportunidades de negocios. Además, no hay duda de que trabajar con esta tecnología implica cuidar un sinnúmero de detalles debido a que el producto final involucra "toma de decisiones".

Data mining: conceptos e historia

Aunque desde un punto de vista académico el término data mining es una etapa dentro de un proceso mayor llamado extracción de conocimiento en bases de datos (Knowledge Discovery in Databases o KDD) en el entorno comercial, así como en este trabajo, ambos términos se usan de manera indistinta. Lo que en verdad hace el data mining es reunir las ventajas de varias áreas como la Estadística, la Inteligencia Artificial, la Computación Gráfica, las Bases de Datos y el Procesamiento Masivo, principalmente usando como materia prima las bases de datos. Una definición tradicional es la siguiente: "Un proceso no trivial de identificación válida, novedosa, potencialmente útil y entendible de patrones comprensibles que se encuentran ocultos en los datos" (Fayyad y otros, 1996). Desde nuestro punto de vista, lo definimos como "la integración de un conjunto de áreas que tienen como propósito la identificación de un conocimiento obtenido a partir de las bases de datos que aporten un sesgo hacia la toma de decisión" (Molina y otros, 2001).

La idea de data mining no es nueva. Ya desde los años sesenta los estadísticos manejaban términos como data fishing, data mining o data archaeology con la idea de encontrar correlaciones sin una hipótesis previa en bases de datos con ruido. A principios de los años ochenta, Rakesh Agrawal, Gio Wiederhold, Robert Blum y Gregory Piatetsky-Shapiro, entre otros, empezaron a consolidar los términos de data mining y KDD.[3] A finales de los años ochenta sólo existían un par de empresas dedicadas a esta tecnología; en 2002 existen más de 100 empresas en el mundo que ofrecen alrededor de 300 soluciones. Las listas de discusión sobre este tema las forman investigadores de más de ochenta países. Esta tecnología ha sido un buen punto de encuentro entre personas pertenecientes al ámbito académico y al de los negocios.

El data mining es una tecnología compuesta por etapas que integra varias áreas y que no se debe confundir con un gran software. Durante el desarrollo de un proyecto de este tipo se usan diferentes aplicaciones software en cada etapa que pueden ser estadísticas, de visualización de datos o de inteligencia artificial, principalmente. Actualmente existen aplicaciones o herramientas comerciales de data mining muy poderosas que contienen un sinfín de utilerías que facilitan el desarrollo de un proyecto. Sin embargo, casi siempre acaban complementándose con otra herramienta.

Cada año, en los diferentes congresos, simposios y talleres que se realizan en el mundo se reúnen investigadores con aplicaciones muy diversas. Sobre todo en los Estados Unidos, el data mining se ha ido incorporando a la vida de empresas, gobiernos, universidades, hospitales y diversas organizaciones que están interesadas en explorar sus bases de datos.

Podemos decir que "en data mining cada caso es un caso". Sin embargo, en términos generales, el proceso se compone de cuatro etapas principales:

1. Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente desea bajo la orientación del especialista en data mining.
2. Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento, la reducción y la transformación de las bases de datos. Esta etapa consume generalmente alrededor del setenta por ciento del tiempo total de un proyecto de data mining.
3. Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos, y después se lleva a cabo una visualización gráfica de los mismos para tener una primera aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.
4. Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente determina si son novedosos y si le aportan un nuevo conocimiento que le permita considerar sus decisiones.

Extensiones del data mining - Web mining

Una de las extensiones del data mining consiste en aplicar sus técnicas a documentos y servicios del Web, lo que se llama web mining (minería de web) . Todos los que visitan un sitio en Internet dejan huellas digitales (direcciones de IP, navegador, galletas, etc.) que los servidores automáticamente almacenan en una bitácora de accesos (log). Las herramientas de web mining analizan y procesan estos logs para producir información significativa, por ejemplo, cómo es la navegación de un cliente antes de hacer una compra en línea. Debido a que los contenidos de Internet consisten en varios tipos de datos, como texto, imagen, vídeo, metadatos o hiperligas, investigaciones recientes usan el término multimedia data mining (minería de datos multimedia) como una instancia del web mining  para tratar ese tipo de datos. Los accesos totales por dominio, horarios de accesos más frecuentes y visitas por día, entre otros datos, son registrados por herramientas estadísticas que complementan todo el proceso de análisis del web mining.

Normalmente, el web mining puede clasificarse en tres dominios de extracción de conocimiento de acuerdo con la naturaleza de los datos:

1. Web content mining (minería de contenido web). Es el proceso que consiste en la extracción de conocimiento del contenido de documentos o sus descripciones. La localización de patrones en el texto de los documentos, el descubrimiento del recurso basado en conceptos de indexación o la tecnología basada en agentes también pueden formar parte de esta categoría.

 2. Web structure mining (minería de estructura web). Es el proceso de inferir conocimiento de la organización del WWW y la estructura de sus ligas.

 3. Web usage mining (minería de uso web). Es el proceso de extracción de modelos interesantes usando los logs de los accesos al web.

Algunos de los resultados que pueden obtenerse tras la aplicación de los diferentes métodos de web mining son:

El ochenta y cinco por ciento de los clientes que acceden a /productos/home.html y a /productos/noticias.html acceden también a /productos/historias_suceso.html. Esto podría indicar que existe alguna noticia interesante de la empresa que hace que los clientes se dirijan a historias de suceso. Igualmente, este resultado permitiría detectar la noticia sobresaliente y colocarla quizá en la página principal de la empresa.

Los clientes que hacen una compra en línea cada semana en /compra/producto1.html tienden a ser de sectores del gobierno. Esto podría resultar en proponer diversas ofertas a este sector para potenciar más sus compras.

El sesenta por ciento de los clientes que hicieron una compra en línea en /compra/producto1.html también compraron en /compra/producto4.html después de un mes. Esto indica que se podría recomendar en la página del producto 1 comprar el producto 4 y ahorrarse el costo de envío de este producto.

Los anteriores ejemplos nos ayudan a formarnos una pequeña idea de lo que podemos obtener. Sin embargo, en la realidad existen herramientas de mercado muy poderosas con métodos variados y visualizaciones gráficas excelentes.

10 riesgos que puedes anticipar en tu implantación de CRM

Hoy tuve oportunidad de ver un excelente post leido en crmmetrics.com el cual hoy reproduzco en su totalidad sin ningún cambio y que es escrito por Hideki Erigh Hashimura.

A continuación el post:

Siempre escuchamos que los estudios demuestran que un alto porcentaje de las implantaciones de sistemas de gestión como el CRM fallan; lo interesante es que lo que falla no es el sistema, si no mas bien la implantación. Los proyectos de implantación fallan por muchas razones, pero en la mayoría de los casos no es el software el causante del error.

Es posible resumir algunas de las razones por las que, en base a la experiencia del día a día, se puede conocer los riesgos de una implantación. Para garantizar una implantación exitosa es importante conocer de antemano como se van a mitigar estos riesgos antes del inicio del proyecto. A continuación una lista de los errores mas comunes que recomiendo basado en la experiencia.

Riesgo 1. Exigir perfección.

Las personas asignadas como jefes de proyecto, que a menudo tienen poca experiencia implantando sistemas de gestión, suelen demandar que el sistema sea perfecto y debe de adaptarse al modelo de procesos de la empresa de forma “perfecta”. En muchas ocasiones ni siquiera se ha considerado la posibilidad de que los procesos actuales de la empresa se puedan mejorar, o que al mismo tiempo puedan satisfacer otras necesidades de la gestión, como puede ser la de recoger información adecuada para realizar análisis. El resultado de este acercamiento es que las especificaciones funcionales del software terminan siendo de alta complejidad, resultando en un coste elevado y baja rentabilidad (desperdicio de recursos). Adicionalmente, aumenta las complejidad técnica para la evolución del sistema, su integración y su sostenibilidad.

Anticípate: Perfección es un término relativo y no siempre significa valor. Asegúrate de que el sistema se pone en marcha de forma ágil aportando valor en una fase temprana de la implantación, la “perfección”, aunque relativa, vendrá con el tiempo gracias a la evolución natural de los requerimientos que aparecerán tras el uso del día a día por parte de los usuarios.

Riesgo 2. Implantar sin integrar.

Casi cualquier negocio moderno hoy en día posee mas de un sistema que gestiona información, su sitio web, CRM, ERP, herramientas de marketing y mailing, etc. Con la excepción de las pequeñas empresas no es común el caso en el que el sistema CRM exista de forma independiente totalmente aislada. Esta deficiencia generalmente se cubre con la imputación manual de la información en varias fuentes de información; o bien con intervención manual (queries y scripts directamente sobre BBDD, o trabajo manual sobre hojas de cálculo). Desafortunadamente el valor de estas opciones es muy reducido por tres razones fundamentales: 1. no son sostenibles, porque dependen de personas específicas para su continuidad; 2. son de alto riesgo, porque no garantizan la integridad de los datos, y 3. no son escalables. La integración de datos es cada vez más una parte de fundamental importancia para el éxito de la implantación ¿De que sirve un excelente sistema de gestión con datos erróneos?

Anticípate: En el momento de crear el RFP (Request for proposal), o documento de requerimientos del proyecto, es recomendable incluir un análisis, aunque sea de alto nivel, para esta fase del proyecto. Si no cuentas con el conocimiento a nivel interno asegúrate que tu proveedor tiene experiencia y puede hacerlo, o busca asesoría.

Riesgo 3: Limbo. Todos opinan, nadie decide.

En los proyectos participan muchas personas, todas opinan para para asegurar el éxito del proyecto, sin embargo muchas de las discusiones pueden tardar mucho tiempo en dar a luz decisiones porque las cosas se quedan en la sala de reuniones y nadie toma responsabilidad sobre las decisiones. Esta falta de consenso suele tomar lugar cuando existe incertidumbre sobre la información aportada y analizada, generalmente porque las personas no toman propiedad del proyecto, es decir, no se involucran. Finalmente las decisiones se toman de forma ambigua y no consolidad, esto implica dos riesgos: 1. que las decisiones se hayan tomado de forma errónea y 2. nadie se encarga de que se lleven a cabo cuando deben ejecutarse. La caída de la implantación es inminente.

Anticípate: Asegúrate de asignar responsabilidades dentro del proyecto y de que los participantes entienden el impacto de su labor en toda la organización. Si has contratado un consultor asígnale suficiente poder para decidir a favor de la empresa. La responsabilidad tiene que estar claramente adjudicada; como resultado la persona escogida se encargará internamente de obtener consenso en las discusiones para convertirlas en decisiones.

Riesgo 4. El director de proyecto ya no está!

Este es un problema un poco difícil de anticipar ya que los empleados no suelen dar a conocer el hecho de que van a dejar la empresa. La realidad es que si la persona a cargo se va el proyecto sufrirá retrasos. Este es un problema que puede hacer que el proyecto entero se caiga en tiempo record, por ello es necesario entender que el riesgo es alto y prever esta necesidad es esencial para el éxito del proyecto.

Anticípate: Asigna un “adjunto al jefe de proyecto”, desde el principio, que pueda remplazar al original en caso de que sea necesario. Esta persona puede participar pasivamente en las reuniones, estar en copia de las comunicaciones; además ha de entender el porqué de la toma de algunas decisiones clave, para así poder ejercer esta labor si fuese necesario.

Riesgo 5: No existe apoyo del equipo directivo.

El proyecto CRM está compuesto de la tecnología, los procesos y las personas. Si el proyecto no cuenta con el suficiente apoyo y empuje del equipo de dirección, de forma consistente antes, durante y después de la implementación, el riesgo de caída es una importante amenaza para su éxito.

Anticípate: Adjudicar el tiempo y recursos necesarios, es decir no subestimar el esfuerzo requerido, hará posible la viabilidad logística de las personas involucradas en sacar adelante el proyecto. Las tareas derivadas suelen añadir una carga importante a la carga normal del día a día, si los recursos no están bien dimensionados incluso los jefes se quemarán y el proyecto se hundirá.

Riesgo 6. Sistemas toma decisiones de procesos y negocios.

Alguien se ha dado cuenta que la empresa necesita un sistema para gestionar los datos de clientes, se pone en marcha una búsqueda de una solución CRM, se realiza la compra y se inicia el proyecto. Nadie, por otro lado, ha pensado en la implicación de dicho sistema en las diferentes áreas de gestión de la empresa: comercial, marketing, servicio y atención al cliente, logística. Cuando el proyecto ha avanzado salen a la luz incompatibilidades entre los requerimientos de unos y otros y además de las opiniones de las personas de “sistemas de la información”.

Anticípate: Los proyectos iniciados desde los departamentos de “sistemas” han de obtener el soporte, apoyo y compromiso de los departamentos de gestión; así mismo han de analizar y lanzar la idea en conjunto con los jefes de cada departamento y obtener apoyo del equipo directivo.

Riesgo 7. Los requerimientos no están definidos.

Este es el reto, y generalmente la barrera, más común de las Pymes; definir en requerimientos funcionales las necesidades de gestión. Los requerimientos tienen que ser específicos, mientras menos ambiguos mejor.

Anticípate: Todos los requerimientos deberían textualizarse, discutirse y aprobarse antes de escoger el software. Si no entiendes el global empieza por las bases mas simples y realiza una implantación simple, el resto se definirá por sí solo con el uso del día a día. Si no puedes realizar esta labor contrata a un especialista, te ahorrarás mucho tiempo, dinero y dolores de cabeza. Finalmente el documentar te ayudará a entender más claramente como una funcionalidad cumple con la necesidad de un requerimiento de gestión.

Riesgo 8. Los procesos no están definidos.

Este problema en muchas ocasiones se relaciona el número 7, arriba. Generalmente los requerimientos no están definidos porque los procesos no están definidos, o si lo están nadie lo sigue, o nadie los sabe, o nadie los entiende, o son obsoletos. Los sistemas CRM son eso, sistemas, y hacen exactamente lo que se le pide que haga, de forma eficiente, miles de veces de la misma forma, siguiendo un “proceso” definido. Implantar software es caro, procesos mal definidos son la fórmula perfecta para que haya malentendidos con proveedores e incluso dentro del equipo interno.

Anticípate: Implementa automatismos solamente para procesos bien definidos, deja abiertos para gestión manual los procesos menos definidos, así cuando los veas repetirse muchas veces podrás sacar un patrón de uso para definir un nuevo requerimiento o automatismo.

Riesgo 9. Las personas no se involucran.

Un sistema CRM es tan bueno como la gente que lo utiliza. Si las personas no hacen uso del sistema la inversión nunca se amortizará; apalancar en el software como herramienta para crear una ventaja competitiva es imposible si los datos no están al día.

La lección: En la fase final previa al lanzamiento del sistema asegúrate de darle suficiente énfasis a la gestión del cambio y a la formación. Permite un periodo de pruebas para que los usuarios entren y “jueguen” con la herramienta sin temor a equivocarse. Establece un equipo de apoyo, una fuente de consulta, un FAQ y una base de conocimiento para consultas de los usuarios. Haz entender la responsabilidad que tiene cada persona sobre el uso del sistema. Así mismo a la hora de escoger el software es importante conocer el grado de usabilidad del mismo.

Riesgo 10. No se han definido indicadores.

A largo plazo la amenaza más importante de los proyectos CRM, es que no están bien definidas internamente como se quiere rentabilizar la inversión que se ha hecho en el sistema. Si bien, primero hay que entender que es una inversión, y que por defecto debe de haber una forma definida de entender su “razón de ser”. Esta definición debería de ser el motor principal de la puesta en marcha de dicho proyecto. Esta definición va mucho mas allá que simplemente definir requerimientos, se trata de definir como la empresa va a apalancar en una herramienta tecnológica para mejorar su rendimiento, que va a aportar esta a la empresa que al empresa no tenga ya.

Anticípate: En vez de justificar un gasto diciendo: “necesito un sistema para saber el estado de las ventas”, es necesario plantear una unidad de medida capaz de facilitar la toma de decisión para realizar una inversión, por ejemplo: “como podemos apalancar y apoyarnos en un software para generar mas ventas, reducir el churn y aportar mas valor a nuestro clientes”. El planteamiento ha de ser analítico desde el inicio.

Conclusiones:

Esta lista no es tan completa como desearía, pero estas barreras son las mas comunes en las implantaciones en las Pymes y conocerlas puede ayudarte a reducir el riesgo de tu proyecto y garantizar su éxito. Por sobre todas las cosas la medida preventiva para evitar la caída de la implantación es la experiencia, interna y externa, del equipo de implantación. Si tu equipo no tiene experiencia implantando sistemas de gestión te recomiendo contratar un jefe de proyecto interino que se un especialista y que tenga un visión objetiva, basada en experiencia, para llevar el proyecto a su éxito.

Extensiones del Data Mining - Text Mining

Estudios recientes indican que el ochenta por ciento de la información de una compañía está almacenada en forma de documentos. Sin duda, este campo de estudio es muy vasto, por lo que técnicas como la categorización de texto, el procesamiento de lenguaje natural, la extracción y recuperación de la información o el aprendizaje automático, entre otras, apoyan al text mining (minería de texto). En ocasiones se confunde el text mining con la recuperación de la información (Information Retrieval o IR) (Hearst, 1999). Ésta última consiste en la recuperación automática de documentos relevantes mediante indexaciones de textos, clasificación, categorización, etc. Generalmente se utilizan palabras clave para encontrar una página relevante. En cambio, el text mining se refiere a examinar una colección de documentos y descubrir información no contenida en ningún documento individual de la colección; en otras palabras, trata de obtener información sin haber partido de algo (Nasukawa y otros, 2001).

Una aplicación muy popular del text mining es relatada en Hearst (1999). Don Swanson intenta extraer información derivada de colecciones de texto. Teniendo en cuenta que los expertos sólo pueden leer una pequeña parte de lo que se publica en su campo, por lo general no se dan cuenta de los nuevos desarrollos que se suceden en otros campos. Así, Swanson ha demostrado cómo cadenas de implicaciones causales dentro de la literatura médica pueden conducir a hipótesis para enfermedades poco frecuentes, algunas de las cuales han recibido pruebas de soporte experimental. Investigando las causas de la migraña, dicho investigador extrajo varias piezas de evidencia a partir de títulos de artículos presentes en la literatura biomédica. Algunas de esas claves fueron:

El estrés está asociado con la migraña.

El estrés puede conducir a la pérdida de magnesio.

Los bloqueadores de canales de calcio previenen algunas migrañas.

El magnesio es un bloqueador natural del canal de calcio.

La depresión cortical diseminada (DCD) está implicada en algunas migrañas.

Los niveles altos de magnesio inhiben la DCD.

Los pacientes con migraña tienen una alta agregación plaquetaria.

El magnesio puede suprimir la agregación plaquetaria.

Estas claves sugieren que la deficiencia de magnesio podría representar un papel en algunos tipos de migraña, una hipótesis que no existía en la literatura y que Swanson encontró mediante esas ligas. De acuerdo con Swanson (Swanson y otros, 1994), estudios posteriores han probado experimentalmente esta hipótesis obtenida por text mining con buenos resultados.

Surgimiento del Data Mining

Cada día generamos una gran cantidad de información, algunas veces conscientes de que lo hacemos y otras veces inconscientes de ello porque lo desconocemos. Nos damos cuenta de que generamos información cuando registramos nuestra entrada en el trabajo, cuando entramos en un servidor para ver nuestro correo, cuando pagamos con una tarjeta de crédito o cuando reservamos un billete de avión. Otras veces no nos damos cuenta de que generamos información, como cuando conducimos por una vía donde están contabilizando el número de automóviles que pasan por minuto, cuando se sigue nuestra navegación por Internet o cuando nos sacan una fotografía del rostro al haber pasado cerca de una oficina gubernamental.

¿Con qué finalidad queremos generar información? Son muchos los motivos que nos llevan a generar información, ya que nos pueden ayudar a controlar, optimizar, administrar, examinar, investigar, planificar, predecir, someter, negociar o tomar decisiones de cualquier ámbito según el dominio en que nos desarrollemos. La información por sí misma está considerada un bien patrimonial. De esta forma, si una empresa tiene una pérdida total o parcial de información provoca bastantes perjuicios. Es evidente que la información debe ser protegida, pero también explotada.

¿Qué nos ha permitido poder generar tanta información? En los últimos años, debido al desarrollo tecnológico a niveles exponenciales tanto en el área de cómputo como en la de transmisión de datos, ha sido posible que se gestionen de una mejor manera el manejo y almacenamiento de la información. Sin duda existen cuatro factores importantes que nos han llevado a este suceso:

1.       El abaratamiento de los sistemas de almacenamiento tanto temporal como permanente. 

2.       El incremento de las velocidades de cómputo en los procesadores.

3.       Las mejoras en la confiabilidad y aumento de la velocidad en la transmisión de datos.

4.       El desarrollo de sistemas administradores de bases de datos más poderosos.

Actualmente todas estas ventajas nos han llevado a abusar del almacenamiento de la información en las bases de datos. Podemos decir que algunas empresas almacenan un cierto tipo de datos al que hemos denominado dato-escritura, ya que sólo se guarda (o escribe) en el disco duro, pero nunca se hace uso de él. Generalmente, todas las empresas usan un dato llamado dato-escritura-lectura, que utilizan para hacer consultas dirigidas. Un nuevo tipo de dato al cual hemos denominado dato-escritura-lectura-análisis es el que proporciona en conjunto un verdadero conocimiento y nos apoya en las tomas de decisiones. Es necesario contar con tecnologías que nos ayuden a explotar el potencial de este tipo de datos.

La cantidad de información que nos llega cada día es tan inmensa que nos resulta difícil asimilarla. Basta con ir al buscador Altavista y solicitar la palabra information para ver que existen 171.769.416 sitios donde nos pueden decir algo al respecto. Suponiendo que nos tomemos un minuto para ver el contenido de cada página, tardaríamos entonces 326 años en visitarlas todas. Esto es imposible, y, por lo tanto, existe una clara necesidad de disponer de tecnologías que nos ayuden en nuestros procesos de búsqueda y, aún más, de tecnologías que nos ayuden a comprender su contenido.

El data mining surge como una tecnología que intenta ayudar a comprender el contenido de una base de datos. De forma general, los datos son la materia prima bruta. En el momento que el usuario les atribuye algún significado especial pasan a convertirse en información. Cuando los especialistas elaboran o encuentran un modelo, haciendo que la interpretación del confronto entre la información y ese modelo represente un valor agregado, entonces nos referimos al conocimiento. En la figura 1 se ilustra la jerarquía que existe en una base de datos entre dato, información y conocimiento (Molina, 1998). Se observa igualmente el volumen que presenta en cada nivel y el valor que los responsables de las decisiones le dan en esa jerarquía. El área interna dentro del triángulo representa los objetivos que se han propuesto. La separación del triángulo representa la estrecha unión entre dato e información, no así entre la información y el conocimiento. El data mining trabaja en el nivel superior buscando patrones, comportamientos, agrupaciones, secuencias, tendencias o asociaciones que puedan generar algún modelo que nos permita comprender mejor el dominio para ayudar en una posible toma de decisión.

CRM - Beneficios para la empresa Parte 2

Apoyando el éxito de ventas.

Que debería tener un CRM para apoyar el éxito en las ventas.

Información de fondo, ofrecer información de contacto, historial de interacciones previas, ofertas relacionadas con el cliente (Con una división diferente en la misma compañía), etc.

Los vendedores pueden obtener toda la información básica que necesitan en una solo pantalla, en lugar de tener que buscar a través de múltiples bases, datos importantes que ayuden a actualizar sus recuerdos o los que se han heredado de otra persona.

Facilidad para la preparación del Contacto. Una lista de los recursos específicos disponibles, tales como presentaciones de PowerPoint, white papers, casos de éxito y similares. Que estos se puedan descargar con un solo clic. Incluso pueden estar vinculado a mapas de Google para proporcionar instrucciones de localización. En términos de diseño de aplicación esta es una característica trivial. Sin embargo, para un vendedor de puerta en puerta, o en un territorio nuevo es una gran ventaja.

Mejor calificación o segmentación, mejor información de antecedentes y un mejor acceso a los recursos de ventas genuinamente ayuda a los vendedores a maximizar su tiempo, trabajar de manera más

de manera eficiente y cerrar más negocios, que puedan sentir que sus objetivos y los objetivos de la empresa están alineados.

Mantenerse Organizados.  Algunos vendedores se organizan regularmente.  Para otros, la organización es un reto. De cualquier manera, un CRM es un apoyo, no un obstáculo. Da a los vendedores acceso rápido a las actuales informaciones sobre clientes, ofrece métodos convenientes para recoger y agregar nueva información, permite a los vendedores crear y priorizar las tareas para ayudarles a mantenerse enfocados en su meta durante los días de mucho trabajo, o en aquellas con muchas interrupciones.

La información existente. En la mayoría empresas, la información crucial acerca de los negocios y clientes, desde el teléfono de contacto, los datos de facturación, etc. están dispersos en una gran variedad de base de datos corporativas y de sistemas. El CRM ideal debe presentar la información primaria con las que los vendedores puedan presentar sus ofertas en forma clara, en una formato de una sola página, para dar un ejemplo, esto incluye información de contacto basica, ventas, contactos, toda la asociación entre las cuentas disponibles con un solo clic.

Nueva información. Obviamente, parte del trabajo de un representante de ventas es recoger información, y de nuevo, el CRM ideal lo debe hacer fácil. Los formularios de entrada deben ser simples, que puedan personalizarse para satisfacer las necesidades individuales o las necesidades del grupo, pueden ser accesibles por una variedad de dispositivos (ordenadores portátiles, dispositivos móviles,

computadoras de escritorio) y que el usuario ni siquiera necesite estar en línea para acceder a estas funciones.

Tareas. Debe en su página de inicio ofrecer a un representantes de ventas, la visión general de todo lo que tiene que hacer, incluyendo su programación:  reuniones, tareas (creadas en el interior del

sistema, ya sea por el representante o automáticamente) y las alertas, mensajes y notificaciones.  Debe ayudar a los vendedores a tomar decisiones sobre la manera en la que invertir su tiempo, las tareas deberían poder ser priorizadas por fecha de vencimiento o por el tamaño de la operación asociada.

Fácil de usar – Flexibilidad. Uno de los mayores obstáculos a la adopción de sistemas de CRM es la la curva de aprendizaje. Se deben minimizar los desafíos de adoptar un nuevo sistema a través de un

combinación de familiaridad, personalización y ayuda en línea.  No importa cuántos clientes una aplicación de CRM puede manejar ni cuantos datos de cliente puede almacenar, estas características son inútiles a menos que sean fáciles de descubrir y usar.

La familiaridad. El sistema debe ser configurado para utilizar la terminología familiar dentro de la organización para describir las etapas del proceso de ventas o la calidad de las diferentes oportunidades de venta.

Personalización. Las pantallas deben poder ser modificadas en la empresa o nivel departamental para agregar nuevos campos o formas de rediseño. Incluso los usuarios individuales pueden personalizar el aspecto de sus pantallas, mover o eliminar secciones como que desean. Para los vendedores, el resultado es un sistema que se adapta a su forma de trabajar, no a la inversa, y esto es un poderoso apoyo para la adopción. Igualemente debe eliminar la frustración de los usuarios a través una sensibilidad al contexto global y su sistema de ayuda, para que los usuarios puedan obtener de forma rápida y concisa explicaciones de cómo una determinada obras de características los puede ayudar.

Integración para la facilidad de uso

Uno de los más solicitados requisitos a los fabricantes de CRM es el apoyo a la forma de trabajar de los vendedores es a través de la integración con terceras aplicaciones.  Muchos argumentan que la más importante es Microsoft Outlook, la primera aplicación que mucha gente de negocios abre todas las mañanas. Los usuarios deben poder leer su correo electrónico y, cuando exista algo relacionado con oportunidades, transfiera información al sistema de CRM sin salir de Outlook, además, con un método de transferencia sencillo.

Beneficios indirectos

Las características y beneficios descritos anteriormente son importantes porque afectan a los vendedores directamente,

El punto aquí es que si las ventas en la organización como un todo es más exitosa, la empresa será más exitosa y este éxito puede traducirse en importantes beneficios personales, tales como trabajo, seguridad y más atractivos paquetes de compensación.

Revisar los procesos existentes. No podía haber un mejor momento para revisar el proceso de venta  que cuando se está pensando en un nueva aplicación de CRM.   Además del proceso central, no se olvide de posible integración con otras aplicaciones, como Microsoft Outlook.  El establecimiento de vínculos con estos sistemas puede agilizar el proceso de venta, y cualquier cambio que acelera o automatiza las tareas le ayudará a la fuerza de ventas.

Desde una perspectiva psicológica debemos ver cuáles serán los objetivos a alcanzar con la implementación, para ver basado en esto, que sentará las bases para la aceptación de la iniciativa.

Para construir credibilidad, debemos reducir al mínimo la entrada de datos innecesarios para el negocio. La entrada de datos es una espina en el costado de la mayoría de los vendedores, que lo ven como un mal necesario en el mejor de los casos, sin valor para ellos personalmente.

Son tres las estrategias en materia de entrada de datos que puede ayudar en esta situación:

• Reducir los datos que se recogen a un mínimo. Pregunte lo que es obvio preguntas como "¿realmente necesito saber esto? " y/o "¿Es esta información procesable?" Lucha contra la tendencia para lograr integridad de datos y esté preparado por alguna batalla política, ya que quizás deba romper paradigmas.

• Explorar la importación de datos desde otros sistemas (en tiempo real) a fin de reducir la cantidad necesaria de escritura de nuestro personal de ventas.

• Proporcionar las casillas de verificación para responder preguntas cuando la entrada se puede ser pre-definido.

Garantizar la formación adecuada. No importa qué tan intuitiva puede ser la interfaz, los usuarios necesitan una cierta cantidad de entrenamiento. Asegúrese de conseguirlo. Establecer un servicio de asistencia para la primer mes y que acepte llamadas telefónicas, así como por preguntas por e-mail.  Y aprovechar la variedad de paquetes de formación que ofrecen los proveedores de CRM. Proporcionar un alivio inmediato al cambio le ayudará a mantener altas tasas de adopción con el tiempo. Asegúrese de tener asesoramiento adecuado. Lo mejor es darle participación a expertos. Venta de los usuarios. Recuerde, la mayoría los vendedores ven al CRM como una herramienta de gestión. El valor de los beneficios favorables a la fuerza de ventas que acabamos de leer  no siempre serán evidentes para los usuarios, por lo tanto, es vital recordarles las formas en que el sistema puede hacer la vida más fácil y ayudarles a vender más.

Conclusión

CRM puede traer enormes beneficios a una organización, pero sólo si las tasas de adopción son elevados. Cuando se combina con una aplicación adecuada, con procesos adecuados, las organizaciones de ventas puede sentirse seguras de tener éxito.

CRM - Beneficios para la empresa Parte 1

Un CRM puede traer enormes beneficios a las empresas, pero sólo si los usuarios lo adoptan. Por lo tanto, el generar más ventas en las organizaciones y la obtención de mayores volúmenes de compra en todos los niveles son cruciales para el éxito de cualquier iniciativa de CRM.

A primera vista los vendedores son a menudo la principal fuente de resistencia. En el pasado, cuando se han hecho la pregunta, "¿Qué hay dentro de esto que sea beneficioso para mí?, la respuesta ha sido:  " No mucho". Por ella todas las nuevas soluciones de los proveedores líderes de software como Oracle buscan cambiar esto, con las características que permiten a los vendedores trabajar de la manera que desean, reducir su carga administrativa y realmente apoyar el éxito personal en todos los aspectos del proceso de venta.

CRM: La Adopción - Tasa de Desafío

Los CRM son cada vez más populares. En 2001, menos de 45 por ciento de las empresas encuestadas por la empresa de consultoría de ventas CSO Insights había desplegado algún CRM en sus organizaciones. En el 2003, esta cifra alcanzó 66 por ciento, y predice una tasa de crecimiento del 31 por ciento CRM On-Demand de 2004 a 2015.  Debe haber una buena razón para este crecimiento.

Según www.crmlandmark.com  aproximadamente el 30 por ciento de las empresas reportan una significativa mejora en al menos alguna de las siguientes variables: "en la organización de ventas, en el desempeño, incluyendo un más corto ciclo de ventas, el aumento de tasa de ganancia, un menor número de errores de pedidos y aumento de la productividad total de los nuevos representantes.”

En el pasado, los ejecutivos de ventas se han enfrentado a un obstáculo importante: la adopción del usuario. De acuerdo con un Estudio de AMR Research en 2002, de 47 por ciento de las empresas se enfrentan a "Graves problemas" con la adopción del usuario. En 2007, los informes reportaron que sólo aproximadamente la mitad las empresas encuestadas tenía las tasas de adopción de CRM en 75 por ciento o más. La triste verdad es, que las organizaciones no pueden obtener los beneficios sustanciales del CRM, a menos que la adopción por el usuario muestre tasas altas, y esto no es siempre el caso.

Para las organizaciones, una implementación que no sea de éxito puede tener un efecto negativo sobre el rendimiento de las ventas, por no hablar de la moral y la credibilidad en la gestión. Para los departamentos de TI, las bajas tasas de adopción son un desastre. En un clima de negocios donde los presupuestos son limitados y los recursos escasos, sin éxito para desviar recursos de otros proyectos, reducir la credibilidad en estas herramientas puede ser un problema difícil de resolver.

Por lo tanto, lograr una alta tasa adopción es una necesidad imperiosa.

 

La resistencia al CRM

¿Por qué encontramos resistencia a la implementación de CRM?

Hay varias razones. La primera es que los vendedores suelen percibir el CRM como una herramienta que es dirigida exclusivamente a la gestión de beneficios. Le permite "a ellos" verificar el rendimiento más fácilmente, crear pronósticos para la alta dirección, mientras que para "nosotros" sólo significa más trámites.

La Segunda es menos flexibilidad y más espionaje. La pregunta de los vendedores: "¿Qué beneficios trae para mí?" no tiene ninguna respuesta satisfactoria. Estas críticas tuvieron por lo menos alguna justificación en el pasado ya que se argumentó que el CRM era diseñado principalmente con gestión en la mente. Los vendedores no venían nada positivo en la promesa de centralizar los datos de los clientes en un lugar, ni de integrar todos los puntos de vista del cliente, ni siquiera el tener a mano pronósticos precisos.

Sin embargo estas valiosas capacidades se ofrecieron a la organización como un todo, eran funciones de gestión con poca conexión con las realidades diarias de la venta. Una segunda cuestión - y que algunos argumentan que fue la más importante – fue la cantidad de "tiempo perdido" dedicado a satisfacer las necesidades de los sistemas.

En sus principios los CRM ofrecidos a los vendedores obligaban a estar entrando datos cuando se debería estar vendiendo. Cada media hora que se pasó llenando formularios fue una media hora que no estuvo delante de un cliente potencial. Por último, interfaces no intuitivas para el usuario que eran difíciles de aprender agravando todos los otros problemas, y la no integración a la productividad  de herramientas ya utilizadas por los vendedores, como por ejemplo, Outlook y Excel.

A los ojos de los vendedores, el CRM era impuesto como una carga en su más valioso recurso - el tiempo – sin beneficio demostrable. En el nivel práctico, se planteaban todos los días problemas, y muchas veces a nivel muy emotivo que generó resentimiento.

Modelado de Datos

Dentro de Data Mining existe un técnica que se llama Modelado, lo cual es simplemente el acto de construir un modelo en una situación donde usted conoce la respuesta y luego la aplica en otra situación de la cual desconoce la respuesta. Por ejemplo, si busca un galeón español hundido en los mares lo primero que podría hacer es investigar otros tesoros españoles que ya fueron encontrados en el pasado.

Notaría que esos barcos frecuentemente fueron encontrados fuera de las costas de Bermuda y que hay ciertas características respecto de las corrientes oceánicas y ciertas rutas que probablemente tomará el capitán del barco en esa época. Usted nota esas similitudes y arma un modelo que incluye las características comunes a todos los sitios de estos tesoros hundidos. Con estos modelos en mano sale a buscar el tesoro donde el modelo indica que en el pasado hubo más probabilidad de darse una situación similar. Con un poco de esperanza, si tiene un buen modelo, probablemente encontrará el tesoro.

 

 

Este acto de construcción de un modelo es algo que la gente ha estado haciendo desde hace mucho tiempo, seguramente desde antes del auge de las computadoras y de la tecnología de Data Mining. Lo que ocurre en las computadoras, no es muy diferente de la manera en que la gente construye modelos. Las computadoras son cargadas con mucha información acerca de una variedad de situaciones donde una respuesta es conocida y luego el software de Data Mining en la computadora debe correr a través de los datos y distinguir las características de los datos que llevarán al modelo. Una vez que el modelo se construyó, puede ser usado en situaciones similares donde usted no conoce la respuesta.

 

 

Si alguien le dice que tiene un modelo que puede predecir el uso de los clientes, ¿Cómo puede saber si es realmente un buen modelo? La primera cosa que puede probar es pedirle que aplique el modelo a su base de clientes - donde usted ya conoce la respuesta. Con Data Mining, la mejor manera para realizar esto es dejando de lado ciertos datos para aislarlos del proceso de Data Mining. Una vez que el proceso está completo, los resultados pueden ser testeados contra los datos excluidos para confirmar la validez del modelo. Si el modelo funciona, las observaciones deben mantenerse para los datos excluidos.

 

 

Un ejemplo de la minería de datos (Data Mining) con pañales y cervezas: Un caso famoso acerca del comportamiento de los consumidores.

 

Una situación muy popular sucedió en una cadena de víveres en USA. Utilizando un software de minería de datos para estudiar el comportamiento de sus clientes, encontraron relaciones interesantes entre pañales, cervezas, hombres, y día de la semana.

  

Encontraron que los días jueves y sábado, los hombres que compraban pañales también compraban cerveza. Información como esa, que no siempre es evidente a primera vista, puede ser utilizada para reubicar la mercancía en lugares más estratégicos, en este ejemplo, manteniendo a los pañales y a las cervezas cercanos unos de otros.

Este resultado suministrado por un proceso de minería de datos, puede ser analizado en profundidad por expertos humanos. Si ellos encuentran una explicación razonable, esta de seguro será de mucho ayuda para que los ejecutivos de la empresa alcancen sus objetivos de una manera más eficiente.

10 Principales Diferencias entre Marketing Tradicional y el Marketing Relacional - Parte 2

Continuando con las diferencias a continuación las últimas cinco:

6) Corto vs. medio-largo plazo

El marketing tradicional ha priorizado el resultado a corto plazo, y por tanto las relaciones con los clientes, reales y potenciales, son ocasionales y generalmente en función de los intereses y necesidades de la empresa. La práctica de las promociones comerciales es un buen ejemplo de ello.

Por el contrario el marketing relacional busca gestionar una relación con los mejores clientes para optimizar su valor a largo plazo. Ello se fundamenta en la premisa de que el valor y la rentabilidad de un cliente satisfecho aumentan con el transcurso del tiempo.

Por ello en el desarrollo de un proyecto relacional los beneficios van apareciendo a medida que el programa avanza en el tiempo,  por tanto son proyectos con una visión a medio y largo plazo.

7) Homogenización vs. Diferenciación

En un mundo que tiende a la uniformidad, donde los productos son cada vez más similares, y las promesas relacionadas con conceptos como la calidad, liderazgo o innovación están perdiendo su significado por el abuso en su utilización, el trato con el cliente y el servicio se están convirtiendo en uno de los pocos elementos diferenciadores entre marcas.

Cada interacción con el cliente es una oportunidad para mejorar el conocimiento sobre sus preferencias y necesidades. De esta manera, un enfoque relacional constituye una buena estrategia de diferenciación gracias a que incluye un conjunto integrado de valores basados en la recompensa, trato personalizado y el intercambio de información y conocimiento que los competidores difícilmente pueden imitar.

El trato con el cliente y el servicio se están convirtiendo en los elementos diferenciadores entre marcas

8)  Mass marketing vs. Personalización

No hay duda de que estamos ante un escenario donde los canales de publicidad tradicionales "mass marketing" están perdiendo su eficacia por su alto nivel de saturación. Estamos expuestos a más de 2.000 impactos al día, de forma que hemos desarrollado unos procesos de filtro, reteniendo sólo aquello que nos interesa más, nos impacta más o se relaciona con nuestro pensamiento afectivo.

El marketing relacional reconoce a cada cliente como un individuo, con sus necesidades individuales específicas. Esta es la base para personalizar cada interacción con un cliente basándose en sus intereses y preferencias que se derivan del conocimiento que disponemos sobre él. El resultado son mensajes, ofertas y propuestas más relevantes para el cliente, que añaden más valor a la relación, refuerzan el vínculo con la marca y mejoran la eficacia de la comunicación.

Esta es también la base de la segmentación que permite identificar grupos de clientes, que manifiestan patrones de comportamiento homogéneos, con los que desarrollar acciones diseñadas para cada uno. Un ejemplo de todo ello son las lecturas recomendadas de Amazon.com, donde sugieren libros a los clientes basándose en sus perfiles y su historial de compras.

9) Competencia vs. Colaboración

En el marketing tradicional el enfoque predominante es el de la competencia. Los consumidores seleccionan los productos en base a la comparación de las ofertas, en el convencimiento de que este enfoque racional es el óptimo para crear valor. Si bien el coste de la búsqueda, la continuada comparación y los procesos de negociación, no llegan a compensar este comportamiento oportunista.

Por el contrario el marketing relacional se basa en el principio de que la mejor forma de crear valor es la interdependencia, la cooperación continua, la estrecha interacción y mutua dependencia, es decir, la simbiosis.

Para decirlo de otra forma, en el convencimiento de que es mucho más rentable invertir en relaciones estables basadas en la colaboración.

10)  Productos  vs. Experiencias

El marketing tradicional o transaccional se centra en los productos, de forma que un producto puede definirse en términos de características y ventajas funcionales.

El marketing relacional gira alrededor de las personas, donde los productos ya no son sólo objetos con características funcionales sino medios para facilitar experiencias valiosas y memorables a los clientes.

Así, cada interacción del cliente con la organización se almacena en la memoria y dicha experiencia determina su comportamiento futuro con la marca. Este proceso continuado de interacciones y experiencias define la calidad de las relaciones.

De hecho, cada vez más, las grandes marcas competirán no por la venta de un producto físico, sino por el acceso a sus servicios y por la experiencia ofrecida.

La capacidad de las organizaciones de ofrecer la mejor experiencia y el máximo valor es un factor clave para no perder el tren de la competitividad

Marketing relacional, un nuevo modelo competitivo En unos mercados donde el exceso de capacidad, la creciente competencia, la similitud de las ofertas, los entornos mediáticos saturados, el fuerte y creciente enfoque en los precios, y unos consumidores más exigentes son la norma, la competitividad empresarial a largo plazo depende en gran medida de la calidad de las relaciones con los clientes.

En otras palabras se trata de intercambiar algo más que productos o servicios para conseguir un beneficio económico. 

Así, la capacidad de las organizaciones de ofrecer la mejor experiencia y entregar un valor diferenciado superior son factores clave para no perder el tren de la competitividad.