Divisadero

barometro-2019-web

Barómetro sobre la madurez digital en España 2019

¡Te invitamos a participar del próximo estudio sobre madurez digital!

Un año más, desde IE Business School y Merkle | DIVISADERO nos hemos propuesto analizar la situación de la madurez digital en España. El estudio tiene como objetivo recabar información sobre el estado de la digitalización de las empresas y las industrias en nuestro país y ofrecer una mejor visión de sus verticales que los ayude, por un lado, a planificar una agenda digital y, por otro, a la transformación digital dentro de sus organizaciones.

* El acceso a la encuesta supone la aceptación de la Política de Privacidad de Merkle | DIVISADERO que puedes consultar aquí.

Acceder a la encuesta

0
0
ETL

ETL: up to date

¿Cómo puede ocurrir que tengamos tanta información y sepamos tan poco?
— Noam Chomsky

 

Es fácil ponerse creativo a la hora de pensar en los insights que extraemos de nuestros datos, pensar en esa información que se obtiene de cruzar unas fuentes con otras y, a su vez, con datos propios. El problema fundamental es que hay que desplegar una ETL –Extracción de datos de una fuente, Transformación o formateo de los mismos y Carga en otro destino– para ingerir esos datos, montar un Datalake y, después, mantener ambos en funcionamiento.

Llevamos programando tareas ETL desde tiempos inmemoriales. Al principio aprendimos a hacer muescas en palos para contar las reses de una manada, transportábamos la información del mundo real al palo. Tiempo después recolectamos datos de agrimensura y crecidas del Nilo para estimar la cuantía de las cosechas. A día de hoy aplicamos esta técnica extensivamente. A continuación veremos diferentes enfoques que podemos tener al respecto.

Delegar o Gestionar
Trasladándonos ahora a los alrededores del presente más inmediato, las herramientas que tenemos a nuestra disposición para esta tarea son un tanto diferentes. En lugar de un bifaz o una lasca deberemos elegir primero si queremos hacernos cargo de los entresijos de este proceso o, por el contrario, delegarlo. En este segundo caso, también habrá que decidir en qué grado delegar.

 

ETLaaS (ETL as a Service)

Hay herramientas que proveen ya esta funcionalidad. Teradata, Informática, Pega y otras compañías proveen este tipo de servicios. Pero como empresas que son, lo hacen a un precio. El sufijo “aaS”, tan popular últimamente, indica que no tenemos que inmovilizar capital en forma de máquina para hacer funcionar nuestra ETL, sino que otra persona posee esa máquina y nos presta un servicio con ella. Un ejemplo de estas serían las mencionadas antes Teradata e Informática que no requieren excesivo conocimiento técnico para ser operadas.

 

CaaS (Cloud as a Service)

Otro enfoque sería utilizar los módulos ya disponibles de una cloud para implementar cada una de las tres fases (Extracción, Transformación y Carga). En DIVISADERO utilizamos extensivamente Google Cloud que tiene diferentes herramientas en función de cómo queramos implementar cada fase.

  1. Extracción: Storage nos proporciona almacenamiento escalable y procesos programables de ingesta. Algo que hace 10 años requería un script ejecutado periódicamente empleando Cron y Rsync (herramienta para transferir datos), ¡o incluso ejecutado a mano!
  2. Transformación: con cada archivo nuevo se dispara un mensaje en PubSub. En ese momento se dispara una Cloud Function que nos permite, preprocesar si el dato es ligero, o disparar un proceso más intensivo del entorno GCP (AutoML, un trabajo Spark, un trabajo Dataflow/Beam).
  3. Carga: una vez terminado, podemos insertar el dato en nuestro Datalake (BigQuery si es estructurado o Datastore sí no).

 

Lo interesante de esta aproximación es que, aunque la tarea de carga sea síncrona (batch), todo el proceso dentro de nuestra nube ocurre en streaming. De esta forma si ocurriese un error al procesar algún archivo no afectaría al resto del batch, es más fácil de escalar y por tanto los costes se ajustan mucho más al uso que se le da, y el dato a la salida es más fresco.

Como alternativa GCP cuenta desde hace poco tiempo con Airflow semi-gestionado. Una herramienta para la creación y gestión de ETLs en batch de código abierto que se ha constituido últimamente como estándar de facto.

Interfaz de Airflow

A modo de nota a futuro, Google ha liberado CRMint. Una herramienta que en apariencia es similar a Airflow pero que podría ser operada fácilmente sin necesidad de programar ninguna ETL.

 

PaaS (Platform as a Service)

Esta aproximación cuenta un menor nivel de abstracción, se asemeja más a lo que se vendría ejecutando tradicionalmente. La diferencia radica en que no nos haremos cargo de la infraestructura, eliminando así la capa de IT. Podríamos considerar dos opciones en función del nivel de complejidad de la tarea.

  • Bajo: se pueden suplir tareas sencillas desarrollando un script en local, haciendo que se repita empleando el cron (planificador de tareas de un ordenador) de un VPS (Servidor Privado Virtual, lo que llamaríamos una máquina virtual en la nube). Como ventajas, el tiempo de implementación depende únicamente del de desarrollo del script. El inconveniente es que si queremos algún tipo de reporting sobre su ejecución se deberá construir ad-hoc.
  • Alto: como mencionaba antes, Airflow se ha convertido en una suerte de estándar en cuanto a lo que automatización de tareas y ETLs se refiere. Se puede ejecutar en un VPS e ir añadiendo potencia según sea necesario por medio de workers, o incluso configurar algún tipo de auto-escalado.

 

Sin este trabajo previo, estaremos limitados a los análisis por fuente. Remitiéndome a la cita del principio, tendremos toda la información pero no podremos “conocerla”.

*Fuente de las imágenes: Freepick (principal) y Airflow.

0
0
adobe-experience-forum-2018-destacada

Adobe Experience Forum 2018

En Merkle | DIVISADERO hemos tenido la oportunidad de ser Gold Sponsor del primer evento para clientes a escala nacional que organiza Adobe en España – Adobe Experience Forum. Mientras que Adobe es pionero en la organización de eventos grandes (Adobe Summit en Las Vegas y Londres) y pequeños (numerosos workshops y Partner Cafés donde ya hemos tenido la suerte de participar), este evento dedicado enteramente a los clientes y partners españoles ha sido muy esperado y no ha defraudado a los asistentes.LEER MÁS

0
0
people-based-marketing-customer-centric-strategy

People-Based Marketing: hacia el Customer Centric Strategy

Desde hace un tiempo a ahora, uno de los términos más usados en el mundillo del marketing es el de People-Based Marketing (nuestro compañero, Jaime Piedra, ya publicó este año un post sobre este tema). Al igual que compra programática[1], DMP (Data Management Platform) o GDPR, el People-Based Marketing (PBM) es una de las keywords de moda. Pero, ¿qué hay realmente detrás de esta expresión?LEER MÁS

0
0
Importancia de recolección del dato para estrategia de empresa

La importancia de la recolección del dato para transformar tu empresa

Si hay algo por lo que caracteriza a la era digital es la importancia que han cogido los datos en las organizaciones. Nos encontramos en un momento en el que las tecnologías data-driven nos dan la oportunidad de medir todo aquello que necesitemos. Pero ¿Es necesario medir todo? ¿Qué deberíamos medir? ¿Nos vale todo lo que tenemos? ¿Conocemos realmente cuáles son los objetivos del negocio y, por ende, ¿Cuáles son los KPI’s que debemos ingestar en nuestro stack de tecnologías? ¿Quién debería liderar estos proyectos de recolección de datos? ¿Vale con comprar la mejor tecnología e integrar datos? En este artículo respondo a las preguntas a través de nuestra experiencia de estos años acompañando a C-levels de los sectores de Banca, Seguros y Telco… bajo tres puntos clave.

 

1. La recolección del dato: de lo táctico (pasado) a lo estratégico (hoy)

 

En Merkle|DIVISADERO llevamos más de 11 años trabajando en proyectos de recolección. Desde que las organizaciones no tenían en su agenda estratégica el dato como prioritario en su negocio hasta hoy, en el que el dato ha pasado a ser un activo más de la compañía. Nuestros interlocutores, a lo largo de este tiempo, han ido cambiando y a medida que el dato se ha ido convirtiendo en un punto de inflexión para las empresas, el liderazgo de estos proyectos ha ido migrando hacia a lo más alto de las compañías, y hacia áreas de Estrategia.

Hoy nos encontramos en un momento en el que las organizaciones más maduras digitalmente tienen claro que la implantación de un proyecto de Data Collection no puede ser tomado como un proyecto baladí. Pues saben que es la base de la estrategia y que las decisiones que se tomen en este momento impactarán a todo el negocio y, por tanto, a la fiabilidad de los resultados. O, dicho de otra manera, los resultados (datos) que recojamos en nuestras herramientas podrían no ser los correctos y podríamos estar reportando datos con inconsistencias, falacias y sesgos.

En esta última temporada lo que más estamos llevando a cabo son auditorías y análisis desde el punto de vista estratégico. El fin, en todos estos casos, es asegurarnos de que los objetivos estratégicos de sus compañías han sido entendidos y traducidos a los KPI’s correspondientes dentro de la cadena de valor de sus negocios y en cuanto a la profundidad de los niveles de reporte.

Como comentaba en líneas anteriores, hemos dejado de trabajar solamente con los equipos base de Analítica, Sistemas o Marketing… Y hemos pasado, ahora, a diseñar una estrategia de datos robusta, es decir, a hacer ser un análisis más profundo de todo el negocio para que se entienda (a todos los niveles) cómo los datos impactarán a los objetivos más altos y más bajos de las organizaciones. Nuestros interlocutores han cambiado también porque ahora también nos sentamos con directores de las unidades digitales y, por supuesto, con sus equipos. Todo esto cobra sentido, el fin de estos directivos es conseguir mejores resultados no son solo en cuanto a las ventas sino también respecto a la reducción y optimización de costes de su área y per se de la unidad digital.

 

Fases de un proyecto de recolección datos Merkle Divisadero

 

2. Los KPI’s: qué, cómo y hasta dónde deberíamos medir

 

Cada compañía es un mundo completamente distinto. Si el Banco A mide x KPI’s no quiere decir que el Banco B tenga que medir lo mismo. Cada compañía tiene su propia naturaleza, y está estructurada de una manera distinta, aunque los objetivos finales sean similares, por ejemplo, vender, los objetivos estratégicos y la prioridad que cada Banco tiene son complementamente únicos en cada organización. Por tanto, la recolección de datos y cada uno de los documentos que salen en este proyecto para la implementación técnica son hechos a medida y pueden guardar alguna similitud, pero nunca serán iguales. Ocurre lo mismo con cada uno de los documentos que se obtienen para los directores de Negocio. Toda la documentación, conjuntamente, debería representar los objetivos de la compañía y estar interconectados a través de KPI’s.

Dicho esto, la respuesta para el segundo punto, sobre cómo conseguir un documento final que contenga todos los KPI’s que deben formar parte de la recolección de datos, es: la omnicanalidad. Si tenemos claro que el journey del cliente es omnicanal, también tenemos que tener claro que los indicadores del negocio impactan a diferentes áreas o departamentos del negocio que trabajan inmersos en esa ominicanalidad. Por tanto, para hacer la recogida de requerimientos es imprescindible contar con los players de cada área. Desde el director o responsable hasta cada uno de las personas del equipo que cumpla una función en la cadena de valor.

Finalmente, el hasta dónde debemos medir responde a un objetivo estratégico que está íntegramente ligado al plan estratégico de la compañía, pues dependerá de lo que esté estipulado en ese documento para pensar si necesitamos solamente pensar en una recogida de la unidad digital o bien, si nuestra recolección debería tocar otros territorios como el IoT o la medición en tiendas físicas conectadas. En cualquier caso, dependiendo de hacia dónde vaya esa estrategia, “el hasta dónde” está ligado a una decisión que debería ser liderada por un ejecutivo con poder de decisión dentro de la compañía, y por ello, podemos ver nuevamente que un proyecto de recolección no es un proyecto que debe ser tomado cómo táctico, y que si se lo toma con visión estratégica supondrá un ahorro de costes para las compañías a medio y largo plazo, además de una mejor planificación en las fases de recolección.

 

Data Collection Strategy Merkle | Divisadero

3. La recolección del dato no es sólo un proyecto tecnológico

 

Si bien es cierto que los proyectos de recolección de datos tienen un fuerte componente técnico y que perfiles de las áreas de Tecnología son claves para conseguir que nuestra capa de datos funcione correctamente, no son los indicados para liderar un proyecto de estas características. Lo correcto, es que estos estén liderados por un perfil senior de Negocio con visión estratégica; un CDO por ejemplo. Lo cual no quiere decir que que los perfiles técnicos ya no participen sino más bien, que el alcance de estos proyectos se amplía, pues las capacidades multidisciplinares son la clave para que un proyecto estratégico dé los frutos, pero la visión estratégica es la respuesta a este proyecto.

En nuestra consultora hemos detectado que desde hace unos cinco años, quienes lideraban originalmente la implantación de este tipo de proyectos eran los equipos de Sistemas o IT. Esto repercutía en que el equipo de Negocio no sentía como propio un proyecto que es en sí, y hoy más que nunca, el más importante para reportar correctamente los datos del negocio. Lo que estamos viviendo no es más que una característica de la transformación que están sufriendo las compañías debido a la llegada de la digitalización y al cambio de órbita en cuanto al uso del dato.  

Hace unos años los directivos de las compañías no tenían claro que el dato era un activo fijo. Hoy, y a raíz del avance de las tecnologías y el foco que se ha puesto en el dato en la toma de decisiones, los proyectos de recolección se abordan desde un punto de vista de estratégico, de rentabilidad y reducción de costes y no, solo, desde un punto de vista de facilitador (como se hacía antes).  

Otro de los errores en los que han recaído las compañías, sobre todo al principio de la digitalización de los negocios, es pensar que las tecnologías data-driven lo hacen todo por sí solas y sin la intervención, y que la solución del negocio es integrar tecnología A+B+C dará como resultado el éxito del negocio. Por el momento no estamos en ese punto. Invertir tecnologías data-driven sólo va a generar resultados cosméticos si previamente a esto no se tiene una capa de datos robusta con una base estratégica sólida. Si, por el contrario, tenemos los deberes bien hechos, cuando implantemos tecnologías como un Customer Data Platform(CDP) o Data Management Platform (DMP)  podremos obtener resultados altamente gratificantes o datos esclarecedores que nos permitirán optimizar el negocio con inteligencia y en cada punto de fuga.

Nuestro expertise, en definitiva, sugiere que todos los proyectos de recolección de datos adquieran un foco estratégico y sean liderados por ejecutivos senior de la organización para que estos proyectos alcancen la relevancia necesaria y, así, tener una estrategia data-driven que impacte en los resultados de cada punto de la organización.

*Fuente de las imágenes: Freepick y elaboración propia

0
0
negocio-digital

¿Cuál es tu modelo de negocio digital?

Se habla mucho sobre estrategia digital y equipos digitales. Sin embargo, se habla ínfimamente menos sobre los modelos de negocio que han nacido como resultado de la digitalización y su forma de organización interna.

Si pensamos en generar una estrategia de crecimiento y/o de optimización operativa, este punto es elemental para trabajar en la estrategia digital. Si bien puede haber similitudes entre un tipo de negocio digital y otro –según sea la naturaleza de cada negocio– la forma de servir los productos y de organizarse puede variar. Por ello, cada organización es única.

En este artículo, quiero compartir con vosotros los modelos de negocio digital que solemos encontrarnos en nuestros clientes y su forma de organizarse internamente. Para ello he creado una tipificación uniendo similitudes entre unas industrias y otras.

En este análisis, me quedo con que:

– Cada empresa tiene un departamento digital o una unidad digital, y que según sea la naturaleza, su alcance de trabajo puede ser más acotado o más amplio.

– Que la madurez digital está ligada a elementos y decisiones estratégicas.

– Que ninguna organización es igual a otra, aunque en cierto modo se comparta un modelo

Os dejo con las tipologías:

1. Escaparate digital

El escaparate digital se caracteriza porque su fin principal es dar a conocer los productos o servicios que ofrece la compañía y el valor que estos aportan al usuario. No ofrece, por tanto, la posibilidad de comprar a través de su canal digital. Sin embargo, sí ofrece conectar con los puntos de venta, que pueden ser digitales o no digitales. En el caso de ser distribuidores que venden a través de Internet, hablaríamos de distribuidores online, en el caso de ser distribuidores son tiendas de calle que distribuyen el producto. Si nos concentramos en la industria de banca o seguros, hablaríamos de sucursales o mediadores autorizados.

En la mayoría de los casos las empresas que se encuentran en la categoría Escaparate digital tienen objetivos de branding e intentan conocer el interés de compra por producto. Asimismo, ayudan a sus distribuidores online a incrementar éste ratio.

Respecto a su modelo organizacional, este modelo generalmente tiene las siguientes áreas:

  • Analítica digital, que se centra en generar el análisis, el reporting y también en ofrecer las mejores prácticas para que cada segmento de producto pueda implementarlas según el área de negocio que vea adecuado.
  • Medios digitales, especializados en gestionar toda la publicidad online.
  • Gestión de contenidos y web, a cargo de la gestión, creación de contenidos y de controlar que el producto cumpla con las guías de branding y ofrezca información necesaria al usuario.
  • Negocio, a cargo de utilizar el dato para tomar decisiones sobre nuevas campañas, desarrollo de producto, etc. y dirigir la estrategia del negocio.

Industrias en este segmento: gran consumo, sectores B2B.

2. Escaparate digital mix

La principal característica de este modelo es que ofrece al usuario toda la información sobre el valor del producto, de igual forma que el modelo anterior no ofrece la compra a través de la web. Sin embargo, sí da la posibilidad de dejar un número de teléfono y recibir una llamada para generar la compra por teléfono o, al menos, dar información más detallada.

Respecto a su modelo de organización, está compuesto por:

  • Contenidos & web, a cargo de que el contenido y la información del producto esté actualizada.
  • Equipo digital, especializados en generar reporting y analizar el rendimiento de la web, incluido la gestión del presupuesto.
  • Digital manager, encargado de gestionar todo el canal digital y reportar sobre el rendimiento de este.   

Industrias en este segmento: seguros u otros sectores con madurez digital baja.

3. Venta asistida mix

Se caracteriza por ofrecer al usuario la venta online a través de una web transaccional y de call centers con trazabilidad completa de datos. Sin embargo, si analizamos los funnel de conversión y su construcción, priman aquellos que terminan en un CTA para que el usuario genere la contratación a través del teléfono, y se da menos posibilidades a la conversión sin asistencia.

En el modelo de venta asistida, las ventas realizadas por el call center forman parte de los ingresos de la unidad online y, por tanto, son contabilizados como parte de los objetivos alcanzados.

Si nos centramos es su modelo de organización, observamos que está compuesta por:

  • Medios digitales, a cargo de gestionar toda la publicidad online, los resultados y gestionar la eficiencia del presupuesto.
  • Contenidos & web, especializados en subir el producto y asegurarse que la tienda cumpla con los requisitos de branding, y en algunos casos de disponibilidad técnica de la web.
  • Analítica digital, enfocados a generar análisis, reporting y crear experimentos de optimización de funnels o de usuario para mejorar la conversión.
  • Back-Office o logístico, especializados en asegurarse que el producto o servicio contratado se hace efectivo.
  • Control de gestión, centrados en reportar y controlar los resultados el cumplimiento de objetivos a alto nivel.
  • Venta asistida: gestores de las relaciones con call centers propios y externos. Reportan los indicadores operativos de este canal y se encargan de la mejora de la conversión.
  • Negocio, a cargo de liderar la estrategia del negocio digital y tomar decisiones.

Industrias en este segmento:  Telco, Seguros, Hoteles.

Modelos de negocio digital_DIVISADERO

4. End to End mix

En el modelo End to End mix es muy similar al de venta asistida, la diferencia está en que prima el canal transaccional. Es decir, los flujos están diseñados de forma que el usuario pueda realizar la compra o contratación sin asistencia y de forma autónoma. El call center, en este caso, es de consulta y ayuda. En este modelo, también podemos encontrar chats como parte del servicio asistencial.

Si analizamos su modelo organizacional encontramos las mismas áreas que en el modelo Venta Asistida mix, con dos peculiaridades:

  • Si la venta se produce fuera de la web, esta no forma parte de los ingresos del canal digital directamente sino que se contabiliza como una atribución.
  • El equipo de BackOffice o Logístico forma parte de la estructura central del negocio y no pertenece a la unidad digital.

Industrias en este segmento:  Algunas compañías del sector Bancario, Telco, Energía, Viajes.

5. End to End

El modelo End to End o cien por cien transaccional es aquel donde el usuario puede comenzar la compra del producto y terminarla en el mismo canal. Todos los flujos de este canal están diseñados para que el usuario pueda encontrar el producto, entrar en el funnel de onboarding y terminar la acción a través de la compra o contratación directa.

Su modelo de organización puede variar de acuerdo a la industria. Por ejemplo, si hablamos de una ecommerce o un negocio que vende solo servicios digitales y que es nativo digital, podremos encontrar todas las áreas funcionales de una organización, pues funcionan como un negocio independiente o autónomo.

Industrias en este segmento: energía, retail, banca, servicios on demand (My Taxi, Glovo, Deliveroo), Viajes.

Si nos centramos en un negocio que vende servicios pero que cuyo core de negocio nació de manera tradicional este variará de acuerdo a la estrategia de la compañía. Es decir, podremos encontrar unidades digitales independientes, o bien grandes áreas enfocadas solo a la captación digital y/o fidelización del cliente.

6. End to End-Blockchain

Por el momento no lo hemos visto, pero ya se habla de él. Más que un nuevo modelo es un upgrade del modelo End to End pues traerá eficiencias de costes, y mayor rapidez en el delivery de producto al cliente al introducir la tecnología blockchain para agilizar y validar procesos complejos. Quizá entonces veamos un cambio en el sector banca y seguros –vertical con mayores regulaciones– y en el sector de Viajes y Turismo.

En definitiva, si nos basamos en el framework de madurez digital de DIVISADERO, cada uno de estos modelos podría situarse en un nivel de madurez digital. Sin embargo, esta madurez está enteramente ligada a otros factores y a características de la organización, como el riesgo que existe en la venta de algunos productos – I.E. La venta de pólizas de Seguros- o bien, el modelo de distribución, donde las barreras y el poder de negociación con los proveedores es más compleja que en otros sectores. Finalmente, otro factor que puede delimitar el modelo de negocio es la madurez en la visión del Management de la compañía, sobre la poca o mucha confianza que puedan tener en la venta digital End to End y la posibilidad de que esta tenga retorno viable.

*Fuentes de las imágenes: Freepick (principal) y elaboración propia (cuerpo de texto).

0
0
paper-big-data-discovery-advanced-analytics-compilation

[PAPER] Big Data Discovery: advanced analytics compilation

Hoy en día, nos encontramos ante un prometedor escenario en el que confluyen las necesidades de mejora continua de mercados y compañías, con las infinitas posibilidades que ofrece el procesado matemático de cantidades ingentes de datos. Estando lejos de encontrarnos con una crisis de fundamentos en el Big Data, y con el mismo espíritu de nuestros predecesores, desde Merkle DIVISADERO, y en colaboración con Merkle Aquila, queremos compartir esta selección de artículos con nuestro enfoque sobre el Big Data y nuestra visión del mercado.

LEER MÁS

0
0
DMP_vs_CDP

CDP vs. DMP

La tarea de normalizar y estandarizar conceptos, disciplinas o incluso lenguaje no es una tarea sencilla. Si para el lenguaje disponemos de la Real Academia Española que, con su complejidad, vela por la definición y el buen uso de lenguaje; en el campo de las tecnologías suele ser el propio fabricante quien inicialmente diseña un concepto o una disciplina donde ubicar su plataforma y es el mercado quien finalmente fija, pule y da esplendor . Es propósito de este artículo ayudar a la normalización y diferenciación entre CDP y DMP desde nuestra experiencia como consultora experta en ambas tecnologías.  

LEER MÁS

0
0
google-cloud-platform

Data Science as a Service (DSaaS)

Tradicionalmente reservado a las grandes empresas y con fuertísimas dependencias tecnológicas, el acceso total a la información, está hoy al alcance de los bolsillos más modestos de la mano de las soluciones Cloud.

Plataformas como Google Cloud Platform posibilitan la construcción de agile Data Lakes, que se integran a la perfección con herramientas de visualización como Tableau o Google Data Studio.

LEER MÁS

0
0

¡Suscríbete a nuestra newsletter mensual Stay Sharp!

Para más información

CONTÁCTANOS