Un rey pidió a 6 ciegos que describieran cómo era un elefante palpando las diferentes partes del cuerpo del animal.
La parábola de los ciegos y el elefante, que tiene origen indio (como el gran Avinash) nos va a servir para hablar de la visión muy restringida que algunos analistas muestran sobre el Big Data. Ilustra también el encaje que necesitamos hacer de todas las fuentes de datos y de paso nos ayuda a responder a la pregunta estratégica básica: ¿para qué Big Data?
Los analistas web que no amaban el BIG DATA
Muchos analistas creen que el Big Data es en realidad un gran bluff. Mucho dinero gastado y poco retorno.
Este enfoque crítico parte de una premisa que comparto plenamente. Un analista utiliza datos para encontrar “insights” (descubrimientos) que una vez activados mejoran los resultados de las empresas.
Dicho de otra manera, si objetivo del analista es el Retorno de la Inversión, Big Data es, según sus detractores, mucha inversión para poco retorno. O quizás no sea así…
¿Es la analítica web Big Data?
En este post utilizo hablo de Big Data (datos masivos) para referirme a los petabytes y zettabytes de datos que nos llegan de fuentes como la climatología, la genómica, los datos financieros, los CRMs, la informática de negocio, los gastos de tarjetas de créditos y muchas otras fuentes.
Personalmente creo que no hay una diferencia esencial entre Big Data, “Medium Data” o “Small Data”. Todo son datos. Y puestos a marcar una diferencia cuantitativa, ¿a ver quién se atreve a poner la frontera? Y digo esto reconociendo igualmente que las cantidades de datos que manejamos, cada vez mayores, han cambiado el escenario tecnológico en el que jugamos los analistas.
Cuando hablo aquí de los datos de la Analítica Web me refiero los que nos llegan del uso que hacen los usuarios de sitios web o de apps. En plan sencillo y práctico, lo que encontramos en Google Analytics o en Omniture (sin importar datos de otras fuentes) es lo que compone la analítica web.
Muchos sitios web envían cantidades masivas de datos. Google, la última vez que ofreció datos en agosto de 2012 nos dijo que recibía 1,2 trillones de consultas por año. ¿No parece small data, verdad?
La analítica web, se diferencia de la mayor parte de las otras fuentes masivas de datos en dos puntos esenciales desde la perspectiva del Retorno de la Inversión:
- La inversión en almacenamiento y herramientas de analítica web puede llegar a ser “CERO” en proyectos pequeños y medianos gracias a la estrategia de Google de “(casi) todo gratis”. Inversión en tecnología para analítica web =poca o ninguna.
- Los datos de web llegan tan estructurados a los analistas digitales que muy a menudo conseguimos encontrar “insights” que, una vez activados, producen beneficios sustanciales a las empresas y justifican nuestro sueldo. Retorno = Mucho
¿Avinash tiene la culpa?
No hay ningún especialista que tenga un crédito tan merecido en la analítica web como Avinash Kaushik. Sus opiniones sientan cátedra y con razón. Por eso mismo tengo la sospecha de que la altísima frecuencia con la que encontramos analistas web tan escépticos respecto al Big Data parte precisamente de lo que escribe Avinash. Aunque en realidad creo que el culpable es más bien la lectura poco atenta de algunos analistas que lo que realmente dice Avinash.
El gurú de muchos analistas web nos transmite su desconfianza sobre los Datos Masivos cuando dice que, por razones obvias, los que más hablan actualmente de “Big Data” son precisamente los Oracle, Microsoft, IBM, SAP y otros vendedores de tecnologías (http://www.kaushik.net/avinash/big-data-imperative-driving-big-action/)
Y añade que: “Es maravilloso tener esos datos masivos. Lo que huele mal es que casi nadie sabe qué hacer con ellos para generar valor real a las empresas”…Lo que me interesa está profunda y apasionadamente enfocado a intentar descubrir cómo conseguir guiar a los datos masivos al Banco (o a conseguir la paz mundial).
“It is sucky that almost no one knows what to do with it [BIG DATA] in the context of driving actual business value”… My interest is deeply and passionately rooted in trying to figure out how to ride big data all the way to the bank (or world peace).
Estoy muy de acuerdo con la desorientación estratégica de empresas que acumulan datos sin ton ni son. En otro post hablé de “las empresas Diógenes”. Estas empresas son las víctimas, más que los beneficiarios, de lo que llamamos la “Cultura de Datos”. Del mismo modo que las personas que sufren el síndrome de Diógenes acumulan grandes cantidades de basura y desperdicios domésticos, las empresas Diógenes acumulan datos. Para empeorar las cosas a menudo además hacen un grandísimo esfuerzo para generar Dashboards e informes completísimos que no conducen a ningún tipo de acción que mejore su negocio.
Será por mi naturaleza optimista, pero yo NO interpreto las palabras de Avinash como una predicción fatalista (“abandonad toda esperanza, no vais a encontrar nada allí abajo”) sino como un saludable “Para qué” estratégico, y además del género que a mí me gusta “Show me the money! (enséñame el dinero)
¿BIG DATA para qué? ¿Cómo ganamos dinero con Big Data?
Vayamos con un modelo de preguntas y respuestas para avanzar.
¿Para qué Big Data?
Si hablamos de Marketing, una primera respuesta es que necesitamos Big Data, es decir, datos masivos de fuentes diversas, para poder conocer mejor a nuestros clientes (y a los que aún no lo son).
¿Big Data sólo va de marketing entonces?
No va solo de Marketing. Big Data sirve para muchas más cosas. Pero este blog habla de Marketing.
¿Y para qué vamos a querer conocer a nuestros clientes?
Para ganar más dinero, claro está, ofreciéndoles un mejor servicio.
¿Y cómo se gana más dinero con el conocimiento de nuestros clientes?
Una respuesta rápida: personalizando las herramientas de marketing. Es decir, ofreciendo a cada cliente el producto o servicio adecuado, con el mensaje adecuado, en el momento adecuado.
Se puede y se debe responder con más precisión. Pero necesitamos el contexto más preciso de un sector de negocio.
En el sector de la prensa, por ejemplo, los medios están utilizando fuentes diversas de datos masivos para conseguir que sus usuarios consuman más contenidos y más anuncios, a crear anuncios más eficientes, que aumentan su Click Through Rate o a retener y ganar más suscriptores.
En un post que tengo ya casi terminado, y que probablemente venga a continuación de este, voy a profundizar en el ¿Para qué del Big Data en la prensa online?
No hace falta que lo diga, pero no es fácil conocer a nuestros clientes. Los datos que recoge una herramienta de analítica web, con sus páginas vistas, fuentes, comportamientos y conversiones, por más que los exprimamos, no llega a contar todo lo que deberíamos saber sobre los clientes y por qué y cómo compran.
¿Hemos hablado con los clientes suficientemente?, ¿qué hay de otras compras que hacen offline (en nuestro negocio o en la competencia)?¿llaman para comprar o para quejarse? ¿nos escriben?¿qué datos nos da el CRM?¿qué podemos aprender de lo que nos dicen en las redes sociales?
La parábola del elefante y los analistas web
A algunos analistas web nos pasa como a los ciegos de la parábola del elefante.
Un rey pidió a 6 ciegos que describieran cómo era un elefante palpando las diferentes partes del animal.
El que tocó la pata dijo que el elefante era como un pilar; el que tocó su cola dijo que el elefante era una cuerda; el que tocó su trompa dijo que era como la rama de un árbol; el que tocó la oreja dijo que era como un abanico; el que tocó su panza dijo que era como una pared; y el que tocó el colmillo dijo que el elefante era como una lanza.
El rey les explicó: "Todos estáis en lo cierto. El elefante tiene todo lo que describís y la razón por la que cada uno de vosotros está diciendo cosas diferentes es que cada uno tocó solo una parte diferente del elefante.
Tenemos, por tanto que palpar el elefante entero para conocer al animal. La cabeza que toca el analista web ciego no nos da la imagen completa.
Si aún nos queda alguna duda sobre la necesidad de conocer al elefante completo (nuestro cliente), aquí tenemos el argumento de autoridad, “es así porque lo dice Avinash”:
Ya en 2007 yo evangelizaba sobre el valor de superar el mundo del “small data” de los datos del flujo de click y salir al mundo de los “datos más masivos” usando múltiples fuentes de datos que nos permitan tomar decisiones más inteligentes en la web.
“All the way back in 2007, I was evangelizing the value of moving away from the "small data" world of clickstream data to the "bigger data" world of using multiple data sources to make smarter decisions on the web.
