SlideShare una empresa de Scribd logo
1 de 43
Descargar para leer sin conexión
Marketing
data&
Technology ecosystem
EMÉRITO MARTÍNEZ
@Eméritomartínez
Emeritomartinez
¿Qué se
espera hoy del
CMO?
@Eméritomartínez
@Eméritomartínez
¿Cuál es la
realidad?
@Eméritomartínez
@Eméritomartínez
¿Por qué ese
GAP?
@Eméritomartínez
the changing role of CMO:
@Eméritomartínez
@Eméritomartínez
@Eméritomartínez
@Eméritomartínez
@Eméritomartínez
@Eméritomartínez
new
ecosystem
El “Marketing Technology Landscape
Supergraphic” de Scott Brinker se ha
convertido en una referencia global
para gestores de marketing,
responsables de transformación digital,
“marketing technologists” y
profesionales de IT.
@Eméritomartínez
Asumiendo que los datos constituyan, o
bien su eje central, o bien su punto de
apoyo, las tecnologías de marketing se
distribuyen en cinco capas principales:
columna vertebral, análisis, consumo,
activación y automatización.
@Eméritomartínez
Backbone Decide Automate Activate Discover
@Eméritomartínez
El backbone o columna vertebral consiste en
tecnologías y medios que nos permiten
recabar, procesar y almacenar datos.
No se trata únicamente de soluciones
autocontenidas, sino también de la
arquitectura que sustenta a muchas de las
soluciones que conforman el resto de capas
@Eméritomartínez
El análisis (de datos) consiste en un amplio
espectro de funciones gestionadas por
equipos humanos, desde la modelización de
algoritmos a la analítica digital.
Muchas de ellas no pertenecen de forma
exclusiva al ámbito del marketing,
representándose, por ello, fuera del núcleo
duro del ecosistema
@Eméritomartínez
El consumo (de la información) se refiere a la tarea cerebral
por antonomasia: la toma de decisiones que acompaña a la
entrega y distribución de resultados. Representa un puente
entre los datos y la gestión del cambio; entre la evaluación
estratégica del rendimiento y la operativa de los diversos
aspectos del marketing.
Aunque en su forma más pura se representa mediante
cuadros de mando y tableros de control, esta capa
incorpora, asimismo, la gobernanza del dato
(asignación/interdependencia de métricas), “insight
management” (gestión de conclusiones del análisis) e,
incluso, los módulos embebidos de metodología aplicada
(“built-in marketing know-how”), principalmente en forma de
inteligencia multicanal.
El análisis (de datos) consiste en un amplio
espectro de funciones gestionadas por
equipos humanos, desde la modelización de
algoritmos a la analítica digital.
Muchas de ellas no pertenecen de forma
exclusiva al ámbito del marketing,
representándose, por ello, fuera del núcleo
duro del ecosistema
@Eméritomartínez
La activación se refiere a poner los datos a
trabajar en el ámbito más puramente táctico,
estableciendo una conexión directa con las
experiencias de marketing que ayuda a
generar.
Como cabe esperar, la capa de activación
está estrechamente vinculada a la quinta y
última categoría, automatización, a medida
que múltiples tareas son tarde o temprano
sistematizadas y, más tarde, automatizadas.
@Eméritomartínez
@Eméritomartínez
Conceptos
clave
data lake
Data Lake o lago de datos se posiciona como el sistema
de almacenaje y, fundamentalmente, de explotación de
los nuevos datos que forman parte del ecosistema de
una compañía.
El dato “clásico” y generado por sistemas propios, el
tradicional DataWareHouse, se va enriqueciendo con
datos generados en sistemas externos, en muchos
casos, provenientes del mundo digital (datos de analítica
digital, tweets en streaming, sensores digitales, etc.)
que, prácticamente, son volcados en tiempo real a
nuevas arquitecturas de almacenamiento de
información, generando lo que se ha pasado a
denominar Data Lake.
@Eméritomartínez
@Eméritomartínez
@Eméritomartínez
data management
plattaform
@Eméritomartínez
@Eméritomartínez
datos
desestructurados
Los datos generados en el ámbito del marketing
(primordialmente digitales) representan un serio desafío a
la inteligencia de negocio (“BI”) tradicional.
Mientras que los primeros devienen mayoritariamente
semi-estructurados o desestructurados, BI fue concebido
sobre la base de información estructurada (esto es,
modelos asociados a bases de datos relacionales).
Al tiempo que gran parte de los datos de marketing hoy
disponibles no albergan formas de vida más allá de la
correlación, el BI exige causalidad
@Eméritomartínez
@Eméritomartínez
Data party
@Eméritomartínez
@Eméritomartínez
@Eméritomartínez

Más contenido relacionado

Destacado

Six Trends & Introducing the Digital City
Six Trends & Introducing the Digital CitySix Trends & Introducing the Digital City
Six Trends & Introducing the Digital CityJonathan Reichental
 
Comenius ir eTwinning sąsajos ugdymo procese
Comenius ir eTwinning sąsajos ugdymo procese Comenius ir eTwinning sąsajos ugdymo procese
Comenius ir eTwinning sąsajos ugdymo procese Aldute Kazlauskiene
 
marcas y social media. 10 quejas y 10 ideas.
marcas y social media. 10 quejas y 10 ideas.marcas y social media. 10 quejas y 10 ideas.
marcas y social media. 10 quejas y 10 ideas.Independent
 
Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...
Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...
Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...Cloudera, Inc.
 
Emerging Research and Technology for Life Hacking/ Brain Training
Emerging Research and Technology for Life Hacking/ Brain TrainingEmerging Research and Technology for Life Hacking/ Brain Training
Emerging Research and Technology for Life Hacking/ Brain TrainingSharpBrains
 

Destacado (10)

Aldute's eTwinning projektai
Aldute's eTwinning projektai Aldute's eTwinning projektai
Aldute's eTwinning projektai
 
Six Trends & Introducing the Digital City
Six Trends & Introducing the Digital CitySix Trends & Introducing the Digital City
Six Trends & Introducing the Digital City
 
Top 10 IT Predictions for 2010
Top 10 IT Predictions for 2010Top 10 IT Predictions for 2010
Top 10 IT Predictions for 2010
 
Abdulrasheed-UpdatedCV
Abdulrasheed-UpdatedCVAbdulrasheed-UpdatedCV
Abdulrasheed-UpdatedCV
 
Comenius ir eTwinning sąsajos ugdymo procese
Comenius ir eTwinning sąsajos ugdymo procese Comenius ir eTwinning sąsajos ugdymo procese
Comenius ir eTwinning sąsajos ugdymo procese
 
marcas y social media. 10 quejas y 10 ideas.
marcas y social media. 10 quejas y 10 ideas.marcas y social media. 10 quejas y 10 ideas.
marcas y social media. 10 quejas y 10 ideas.
 
Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...
Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...
Hadoop World 2011: From Big Data to Lives Saved: HBase in HeathCare - Doug Me...
 
Emerging Research and Technology for Life Hacking/ Brain Training
Emerging Research and Technology for Life Hacking/ Brain TrainingEmerging Research and Technology for Life Hacking/ Brain Training
Emerging Research and Technology for Life Hacking/ Brain Training
 
Luke
LukeLuke
Luke
 
bone loss patterns
   bone loss patterns    bone loss patterns
bone loss patterns
 

Similar a Marketing data technology

Sistema de investigacion_de_mercados
Sistema de investigacion_de_mercadosSistema de investigacion_de_mercados
Sistema de investigacion_de_mercadosSolRomero19
 
Revista Mundo Contact Junio 2015
Revista Mundo Contact Junio 2015Revista Mundo Contact Junio 2015
Revista Mundo Contact Junio 2015Mundo Contact
 
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...Mariano Muñoz Martín
 
11 sistema de_informacion_de_mercadotecnia
11 sistema de_informacion_de_mercadotecnia11 sistema de_informacion_de_mercadotecnia
11 sistema de_informacion_de_mercadotecniaSilviaDelgado49
 
Trabajo sist. inf.gerencial
Trabajo sist. inf.gerencialTrabajo sist. inf.gerencial
Trabajo sist. inf.gerenciallinapalomeque
 
Computer world empresas big data & analytics
Computer world   empresas big data & analyticsComputer world   empresas big data & analytics
Computer world empresas big data & analyticsIgnacio Jimenez
 
1.1. sistemas de información y tecnologías de información en los negocios act...
1.1. sistemas de información y tecnologías de información en los negocios act...1.1. sistemas de información y tecnologías de información en los negocios act...
1.1. sistemas de información y tecnologías de información en los negocios act...Alexis Gils
 
Business intelligence
Business intelligenceBusiness intelligence
Business intelligencejulisa3
 
exp. sistemas d informacion (varios).ppt
exp. sistemas d informacion (varios).pptexp. sistemas d informacion (varios).ppt
exp. sistemas d informacion (varios).pptjuanmauricioprieto
 
Trabajo analisis de informacion
Trabajo analisis de informacionTrabajo analisis de informacion
Trabajo analisis de informacionsistemasgeneral
 
tarea-1-de-tecnologia-bruno (3).docx
tarea-1-de-tecnologia-bruno (3).docxtarea-1-de-tecnologia-bruno (3).docx
tarea-1-de-tecnologia-bruno (3).docxMarielNin
 
IT Profesionales con Valor Agregado- Encuentro 1 *Nueva*
IT Profesionales con Valor Agregado-  Encuentro 1 *Nueva*IT Profesionales con Valor Agregado-  Encuentro 1 *Nueva*
IT Profesionales con Valor Agregado- Encuentro 1 *Nueva*Hernan H
 
Sistemas de información edwark
Sistemas de información edwarkSistemas de información edwark
Sistemas de información edwarkan12dres
 
Cuadro comparativo
Cuadro comparativoCuadro comparativo
Cuadro comparativoroxydereyes
 
Manual de-buenas-practicas-tics-para-pymes-sap-2012
Manual de-buenas-practicas-tics-para-pymes-sap-2012Manual de-buenas-practicas-tics-para-pymes-sap-2012
Manual de-buenas-practicas-tics-para-pymes-sap-2012ITS Peru
 
Sistema de informacion de mercadotecni1
Sistema de informacion de mercadotecni1Sistema de informacion de mercadotecni1
Sistema de informacion de mercadotecni1NaymeColqueAserico1
 

Similar a Marketing data technology (20)

Sistema de investigacion_de_mercados
Sistema de investigacion_de_mercadosSistema de investigacion_de_mercados
Sistema de investigacion_de_mercados
 
Revista Mundo Contact Junio 2015
Revista Mundo Contact Junio 2015Revista Mundo Contact Junio 2015
Revista Mundo Contact Junio 2015
 
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
Aporte de los datos a la analítica en la transformación digital - (Mariano Mu...
 
1.1
1.11.1
1.1
 
Encuentro 1
Encuentro 1Encuentro 1
Encuentro 1
 
11 sistema de_informacion_de_mercadotecnia
11 sistema de_informacion_de_mercadotecnia11 sistema de_informacion_de_mercadotecnia
11 sistema de_informacion_de_mercadotecnia
 
Trabajo sist. inf.gerencial
Trabajo sist. inf.gerencialTrabajo sist. inf.gerencial
Trabajo sist. inf.gerencial
 
Computer world empresas big data & analytics
Computer world   empresas big data & analyticsComputer world   empresas big data & analytics
Computer world empresas big data & analytics
 
1.1. sistemas de información y tecnologías de información en los negocios act...
1.1. sistemas de información y tecnologías de información en los negocios act...1.1. sistemas de información y tecnologías de información en los negocios act...
1.1. sistemas de información y tecnologías de información en los negocios act...
 
Business intelligence
Business intelligenceBusiness intelligence
Business intelligence
 
exp. sistemas d informacion (varios).ppt
exp. sistemas d informacion (varios).pptexp. sistemas d informacion (varios).ppt
exp. sistemas d informacion (varios).ppt
 
sistemas de informacion
sistemas de informacion sistemas de informacion
sistemas de informacion
 
Trabajo analisis de informacion
Trabajo analisis de informacionTrabajo analisis de informacion
Trabajo analisis de informacion
 
tarea-1-de-tecnologia-bruno (3).docx
tarea-1-de-tecnologia-bruno (3).docxtarea-1-de-tecnologia-bruno (3).docx
tarea-1-de-tecnologia-bruno (3).docx
 
Big data
Big dataBig data
Big data
 
IT Profesionales con Valor Agregado- Encuentro 1 *Nueva*
IT Profesionales con Valor Agregado-  Encuentro 1 *Nueva*IT Profesionales con Valor Agregado-  Encuentro 1 *Nueva*
IT Profesionales con Valor Agregado- Encuentro 1 *Nueva*
 
Sistemas de información edwark
Sistemas de información edwarkSistemas de información edwark
Sistemas de información edwark
 
Cuadro comparativo
Cuadro comparativoCuadro comparativo
Cuadro comparativo
 
Manual de-buenas-practicas-tics-para-pymes-sap-2012
Manual de-buenas-practicas-tics-para-pymes-sap-2012Manual de-buenas-practicas-tics-para-pymes-sap-2012
Manual de-buenas-practicas-tics-para-pymes-sap-2012
 
Sistema de informacion de mercadotecni1
Sistema de informacion de mercadotecni1Sistema de informacion de mercadotecni1
Sistema de informacion de mercadotecni1
 

Más de Emerito Martinez

Big data to action 2016: "No data No marketing"
Big data to action 2016:  "No data No marketing"Big data to action 2016:  "No data No marketing"
Big data to action 2016: "No data No marketing"Emerito Martinez
 
Los retos de la transformación digital #darwinismodigital
Los retos de la transformación digital #darwinismodigitalLos retos de la transformación digital #darwinismodigital
Los retos de la transformación digital #darwinismodigitalEmerito Martinez
 
QDQ media en impulsando pymes 2015
QDQ media en impulsando pymes 2015QDQ media en impulsando pymes 2015
QDQ media en impulsando pymes 2015Emerito Martinez
 

Más de Emerito Martinez (8)

Tech in emotion
Tech in emotionTech in emotion
Tech in emotion
 
Modern marketing
Modern marketing Modern marketing
Modern marketing
 
Big data to action 2016: "No data No marketing"
Big data to action 2016:  "No data No marketing"Big data to action 2016:  "No data No marketing"
Big data to action 2016: "No data No marketing"
 
Los retos de la transformación digital #darwinismodigital
Los retos de la transformación digital #darwinismodigitalLos retos de la transformación digital #darwinismodigital
Los retos de la transformación digital #darwinismodigital
 
Growth hacking
Growth hackingGrowth hacking
Growth hacking
 
New marketing 2015
New marketing 2015New marketing 2015
New marketing 2015
 
Data marketing
Data marketingData marketing
Data marketing
 
QDQ media en impulsando pymes 2015
QDQ media en impulsando pymes 2015QDQ media en impulsando pymes 2015
QDQ media en impulsando pymes 2015
 

Marketing data technology

  • 2.
  • 4. ¿Qué se espera hoy del CMO? @Eméritomartínez
  • 9. the changing role of CMO: @Eméritomartínez
  • 14.
  • 17. El “Marketing Technology Landscape Supergraphic” de Scott Brinker se ha convertido en una referencia global para gestores de marketing, responsables de transformación digital, “marketing technologists” y profesionales de IT. @Eméritomartínez
  • 18. Asumiendo que los datos constituyan, o bien su eje central, o bien su punto de apoyo, las tecnologías de marketing se distribuyen en cinco capas principales: columna vertebral, análisis, consumo, activación y automatización. @Eméritomartínez
  • 19. Backbone Decide Automate Activate Discover @Eméritomartínez
  • 20.
  • 21.
  • 22. El backbone o columna vertebral consiste en tecnologías y medios que nos permiten recabar, procesar y almacenar datos. No se trata únicamente de soluciones autocontenidas, sino también de la arquitectura que sustenta a muchas de las soluciones que conforman el resto de capas @Eméritomartínez
  • 23. El análisis (de datos) consiste en un amplio espectro de funciones gestionadas por equipos humanos, desde la modelización de algoritmos a la analítica digital. Muchas de ellas no pertenecen de forma exclusiva al ámbito del marketing, representándose, por ello, fuera del núcleo duro del ecosistema @Eméritomartínez
  • 24. El consumo (de la información) se refiere a la tarea cerebral por antonomasia: la toma de decisiones que acompaña a la entrega y distribución de resultados. Representa un puente entre los datos y la gestión del cambio; entre la evaluación estratégica del rendimiento y la operativa de los diversos aspectos del marketing. Aunque en su forma más pura se representa mediante cuadros de mando y tableros de control, esta capa incorpora, asimismo, la gobernanza del dato (asignación/interdependencia de métricas), “insight management” (gestión de conclusiones del análisis) e, incluso, los módulos embebidos de metodología aplicada (“built-in marketing know-how”), principalmente en forma de inteligencia multicanal.
  • 25. El análisis (de datos) consiste en un amplio espectro de funciones gestionadas por equipos humanos, desde la modelización de algoritmos a la analítica digital. Muchas de ellas no pertenecen de forma exclusiva al ámbito del marketing, representándose, por ello, fuera del núcleo duro del ecosistema @Eméritomartínez
  • 26. La activación se refiere a poner los datos a trabajar en el ámbito más puramente táctico, estableciendo una conexión directa con las experiencias de marketing que ayuda a generar. Como cabe esperar, la capa de activación está estrechamente vinculada a la quinta y última categoría, automatización, a medida que múltiples tareas son tarde o temprano sistematizadas y, más tarde, automatizadas. @Eméritomartínez
  • 30. Data Lake o lago de datos se posiciona como el sistema de almacenaje y, fundamentalmente, de explotación de los nuevos datos que forman parte del ecosistema de una compañía. El dato “clásico” y generado por sistemas propios, el tradicional DataWareHouse, se va enriqueciendo con datos generados en sistemas externos, en muchos casos, provenientes del mundo digital (datos de analítica digital, tweets en streaming, sensores digitales, etc.) que, prácticamente, son volcados en tiempo real a nuevas arquitecturas de almacenamiento de información, generando lo que se ha pasado a denominar Data Lake. @Eméritomartínez
  • 34.
  • 38. Los datos generados en el ámbito del marketing (primordialmente digitales) representan un serio desafío a la inteligencia de negocio (“BI”) tradicional. Mientras que los primeros devienen mayoritariamente semi-estructurados o desestructurados, BI fue concebido sobre la base de información estructurada (esto es, modelos asociados a bases de datos relacionales). Al tiempo que gran parte de los datos de marketing hoy disponibles no albergan formas de vida más allá de la correlación, el BI exige causalidad @Eméritomartínez