Customer intelligence

850 visualizaciones

Publicado el

Customer Intelligence desafíos y oportunidades

Publicado en: Datos y análisis
0 comentarios
2 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

Sin descargas
Visualizaciones
Visualizaciones totales
850
En SlideShare
0
De insertados
0
Número de insertados
374
Acciones
Compartido
0
Descargas
18
Comentarios
0
Recomendaciones
2
Insertados 0
No insertados

No hay notas en la diapositiva.

Customer intelligence

  1. 1. Customer Intelligence, Oportunidades y Desafíos Seminario Inteligencia de Clientes Universidad de Talca 11 de diciembre de 2014, Curicó
  2. 2. Acerca del relator • Diego Arenas Contreras, Ing. C. en Computación, Universidad de Talca; Dip. en Business Intelligence y Dip. en Customer Intelligence, U. de Chile. • Docente en diplomado en Inteligencia de Clientes, U. de Chile • Consultor con vasta experiencia en proyectos BI, Data Mining y Customer Intelligence • @darenasc en twitter • http://analisisbi.blogspot.com – quedará disponible la presentación
  3. 3. • Qué es Customer Intelligence – Relación con Business Intelligence • Cómo aprovechar Customer Intelligence – Data Mining y CI • Oportunidades y Desafíos – Incorporando nuevas tecnologías – Ejemplo CI con Open Source
  4. 4. Antecedentes • Las organizaciones están almacenando cada vez más datos acerca de sus clientes • Existe una necesidad de conocer mejor a los clientes para gestionarlos correctamente • Los clientes demandan cada vez más reconocimiento por parte de las organizaciones • Se suman nuevas tecnologías y tendencias al análisis de información • Buena noticia! - Las herramientas para trabajar con datos están al alcance de usuarios motivados
  5. 5. Relación con Business Intelligence • BI se hace cargo del proceso de generación de información relevante para el proceso de toma decisiones • Entrega la información correcta a la persona correcta en el momento correcto. Datos Información Conocimiento Acciones Repetibles
  6. 6. Cuando colocamos al Cliente en el centro de nuestro proceso de toma de decisiones, hablamos de Customer Intelligence
  7. 7. Customer Intelligence
  8. 8. ¿Son todos mis clientes iguales? ¿Tienen todos el mismo valor? ¿Se comportan de la misma manera?
  9. 9. Qué es Customer Intelligence • Customer de Consumidor • Customer Intelligence es hacer uso efectivo de los datos (activo) pero centrado en el cliente o consumidor
  10. 10. • Qué es Customer Intelligence – Relación con Business Intelligence • Cómo aprovechar Customer Intelligence – Data Mining y CI • Oportunidades y Desafíos – Incorporando nuevas tecnologías – Ejemplo CI con Open Source
  11. 11. Para qué sirve hacer CI • Conocer y anticipar las necesidades de nuestros clientes • Gestionar eficientemente los recursos disponibles • Maximizar la relación Empresa-Cliente
  12. 12. CI en las organizaciones Industrias • Telecomunicaciones • Banca • Educación • Retail • RRHH • Servicios • Etc. Oportunidades • Prospección de clientes • Identificación de valor de los clientes • Segmentación de clientes • Fuga de clientes • Cross-selling • Upselling • NBO, próxima mejor oferta, acción • NBA, próxima mejor acción • Patrones en el comportamiento
  13. 13. CI en las organizaciones • La estrategia de Inteligencia de Clientes debe alinearse con la estrategia de la organización y debe estar en la medida de las capacidades de ésta • Se deben identificar los focos principales de análisis y comenzar siempre con el fin en el horizonte • Es un proceso iterativo y cíclico Recolectar datos Explorar Insights Evaluar y mejorar
  14. 14. CI y Data Mining Problemas Clasificación Regresión Agrupamiento Reglas de asociación Análisis correlacional Predictivos (supervisados) Descriptivos (no Supervisados)
  15. 15. CI y Data Mining • Clasificación: – Fuga sí o no de clientes – Comprará o no la oferta que deseo enviarle • Reglas de Asociación: – Qué productos compran los clientes en conjunto? – Qué atenciones tienen un patrón? • Agrupamiento: – Por valor – RFM – Por necesidad • Análisis de correlación – Satisfacción vs Comportamiento
  16. 16. Agrupamiento - Clustering es un método para agrupar conjuntos de datos en grupos más pequeños y similares - Un clúster busca agrupar datos homogéneos dentro de un clúster y heterogéneos entre clústers Ejemplo tomado desde clases de Introducción a Data Mining Universidade do Porto
  17. 17. Agrupamiento La noción de clúster es ambigua Ejemplo tomado desde clases de Introducción a Data Mining Universidade do Porto
  18. 18. Agrupamiento ¿Qué sería una agrupación natural de estos datos? Segmentar es subjetivo Familia Colegio Mujeres Hombres Ejemplo tomado desde clases de Introducción a Data Mining Universidade do Porto
  19. 19. Se requieren competencias tanto Técnicas como Analíticas • Resolución de problemas y búsqueda de soluciones • Creatividad • Práctica y estudio constante • Preocupación en la revisión de resultados • Capacidad de síntesis • Interpretación de resultados • Ética en el manejo de datos
  20. 20. • Qué es Customer Intelligence – Relación con Business Intelligence • Cómo aprovechar Customer Intelligence – Data Mining y CI • Oportunidades y Desafíos – Incorporando nuevas tecnologías – Ejemplo CI con Open Source
  21. 21. Oportunidades y Desafíos • Nuevas tecnologías se desarrollan día a día y es importante conectarlas con una estrategia de Inteligencia de Clientes • CI tradicional utiliza la información transaccional disponible • Big Data, Open Data, Text Mining, Sentiment Analysis, Social Network Analysis son un ejemplo
  22. 22. Oportunidades y Desafíos • Incoporar data desde las redes sociales como Facebook y Twitter (ejemplo twitter) • Hacer uso de los datos abiertos, p.ej.: Censo, Casen, Presupuesto de la nación, etc. • Portal de datos del gobierno http://datos.gob.cl/datasets
  23. 23. Oportunidades y Desafíos • Incorporar análisis de redes para identificar clientes influyentes, hacer ofertas directas y llegar a un grupo de consumidores • Análisis de sentimiento para saber cómo hablan de mi marca, positiva o negativamente
  24. 24. Algunas herramientas
  25. 25. Ejemplo CI con Open Source
  26. 26. MUCHAS GRACIAS ¿DUDAS?
  27. 27. Links • R Project, http://www.r-project.org/ • RapidMiner Studio, https://rapidminer.com/products/studio/ • Weka, http://www.cs.waikato.ac.nz/ml/weka/downl oading.html • SugarCRM, http://www.sugarcrm.com/ • OpenBravo ERP, http://www.openbravo.com/es/

×