Descargar para leer sin conexión
Subido porGerenciarte Consultores Latinoamericanos
Marketing y Big Data - GerenciArte
El documento explora la importancia del data mining y su aplicación en la toma de decisiones estratégicas en el marketing y el sector bancario. Se destaca cómo las empresas pueden utilizar el análisis de grandes volúmenes de datos para identificar patrones, optimizar recursos y mejorar la experiencia del cliente. Además, se menciona el crecimiento del mercado de big data y su relevancia actual para los negocios.
Más contenido relacionado
![[WEBINARIO amdia OM Latam] Automation en eCommerce](https://cdn.slidesharecdn.com/ss_thumbnails/webinarioamdiaomlatamautomationenecommerce-150923134225-lva1-app6892-thumbnail.jpg?width=640&height=640&fit=bounds)
![[WEBINARIO amdia] Decidir en Tiempo Real](https://cdn.slidesharecdn.com/ss_thumbnails/webinarioamdiadecidirentiemporeal-151006191738-lva1-app6891-thumbnail.jpg?width=640&height=640&fit=bounds)
![Richard Johnson - eRetail Day México Online [Live] Experience](https://cdn.slidesharecdn.com/ss_thumbnails/richardjohnson-210304191405-thumbnail.jpg?width=640&height=640&fit=bounds)
Similar a Marketing y Big Data - GerenciArte
Marketing y Big Data - GerenciArte
- 1. Data Mining, Mejores Decisiones MARKETINGY BIG DATA GerenciArte Consultotes Latinomericanos http://www.gerenciarte.org/ 2016
- 2. • Todo Comienzacon Datos • ¿Qué es Data Mining? • Aplicaciones Típicas • Análisis Avanzado • El Proceso de Data Mining • ¿Qué es GerenciArte? Agenda Relaciones. Insight. Crecimiento
- 3. • Todo Comienzacon Datos • ¿Qué es Data Mining? • Aplicaciones Típicas • Análisis Avanzado • El Proceso de Data Mining • ¿Qué es GerenciArte? Agenda Relaciones. Insight. Crecimiento
- 4. ....Todo comienza condatos En el mundo se tienen 500.000 + data centers, .. Para llenar 5,955 campos de fútbol
- 5. El mercado deBig Data aumentó de USD. 3,200,000,000 A USD. 16,900,000,000 Tenemos producido mas información en los 2 últimos años 2014 2016 3,500,000,000,000,000,000 bytes de datos 2010 2015 ..Todo comienza con datos
- 6. De acuerdo aun estimado, la humanidad creo 150 exabytes (mil millones de Gb) de datos en 2005. Para el años 2010 se creó 1,200 exabytes. «Simplemente mantener el paso de este flujo, y guardar lo que consideramos útil, es lo suficientemente difícil» «Analizarlo para descubrir patrones y extraer información útil es aún mas difícil» (The Economist. The Data Deluge. Feb. 2010) …..Todo comienza con datos
- 7. • Todo Comienzacon Datos • ¿Qué es Data Mining? • Aplicaciones Típicas • Análisis Avanzado • El Proceso de Data Mining • ¿Qué es GerenciArte? Agenda Relaciones. Insight. Crecimiento
- 8. …Qué es DataMining Cerca del 80% de los CEO’s dicen que Data Mining & Inteligencia de Negocios son estratégicamente importantes para los negocios. • Es Estadística aplicada a bases de datos grandes Data Mining Magia «La exploración y análisis , de grandes cantidades de datos con el propósito de descubrir patrones y reglas interesantes» Berry & Linoff «Análisis de datos observacionales con el objetivo de encontrar relaciones no sospechadas y resumir los datos en maneras novedosas» Hand, Mannila & Smyth
- 9. Tecnologías emergentes ytendencias Fuente: Under cyber attack: EY’s Global Information Security Survey 2013.
- 10. ¿Por qué esrelevante hoy? • Los datos están siendo generados. • Los datos están siendo guardados. • Las computadoras actuales nos permiten este análisis. • El software para hacerlo está disponible comercial . • La presión de la competencia es «fuerte».
- 11. Algunas historias deéxito • Capital One • Amazon • Netflix • Harrah’s Entertaiment
- 12. • Todo Comienzacon Datos • ¿Qué es Data Mining? • Aplicaciones Típicas • Análisis Avanzado • El Proceso de Data Mining • ¿Qué es GerenciArte? Agenda Relaciones. Insight. Crecimiento
- 13. Agenda Relaciones. Insight.Crecimiento Análisis Avanzado Sector de la Banca La banca minorista está cambiando rápidamente, ¿estás listo?
- 14. Aplicaciones Típicas enel Sector de la Banca Entender su mercado destino Llegar a conocer lo que atrae a la gente y cómo los productos y servicios deben ser comercializados Valor futuro del cliente Predecir el valor futuro del clientes. Centrarse en los valiosos y optimizar su flujo de ingresos. Aumentar los márgenes Ajustar el gasto de marketing individual basado en el valor financiero de cada cliente que trae a su negocio. Optimizar las conversaciones Lograr un mayor éxito con su alcance de comercialización mediante la mejora de las tasas de conversión y reducir el gasto de marketing. Marketing y Ventas – Retención de Clientes – Comportamiento de clientes Utilización de Costo – Control de Calidad – Inventarios – Fraude Valor de vida del clienteSegmentación de Clientes
- 15. Aplicaciones Típicas enel Sector de la Banca Integrar múltiples canales Proporcionar al cliente una experiencia integrada en todos los canales de marketing y ventas Puntuación de riesgo y estabilización de costos Corroborar su toma diaria de decisiones a través de modelos de puntuación del riesgo que cuantifican deudor o fiabilidad del proveedor.. Detectar Fraude Identificar el comportamiento fraudulento naciente e intervenir para evitar que los criminales contaminen su negocio. Perspectiva de 360° del cliente Obtener una visión integral de cada cliente individual. No sólo saber comportamiento pasado de un cliente, sino anticipar su futuro. Marketing y Ventas – Retención de Clientes – Comportamiento de clientes Utilización de Costo – Control de Calidad – Inventarios – Fraude Siguiente Mejor Acción Gestión del Riesgo
- 16. Aplicaciones Típicas enel Sector de la Banca Mejorar la experiencia del cliente Anticipar lo que los clientes necesitan y mejorar la satisfacción y lealtad del cliente. Retener la lealtad del cliente . Ante muchas opciones de productos es importante predecir cuando un cliente está en un alto riesgo de rotación y desarrollar de manera preventiva acciones que desarrollen y mantengan su lealtad. Predecir con precisión Saber de antemano qué clientes van a rotar y por qué. Tomar una decisión proactiva sobre este conocimiento para evitar su salida. Aumentar la conversión Identificar a los clientes con una alta probabilidad de responder a una campaña, para la compra de su producto, o para suscribirse a sus servicios. Marketing y Ventas – Retención de Clientes – Comportamiento de clientes Utilización de Costo – Control de Calidad – Inventarios – Fraude Prevención de rotaciónPropensión del Producto
- 17. • Todo Comienzacon Datos • ¿Qué es Data Mining? • Aplicaciones Típicas • Análisis Avanzado • El Proceso de Data Mining • ¿Qué es GerenciArte? Agenda Relaciones. Insight. Crecimiento
- 18. Integración #1. Técnicas deAgrupamiento o Clustering • Segmentación de Clientes • ¿Existen grupos de clientes que se comporten de manera semejante y que puedan tratarse de manera semejante?
- 19. Integración #2. Técnicas deReglas de Asociación • Market Basket Analysis • ¿Existen grupos de productos que nuestros clientes tienden a comprar juntos? • ¿Podemos diseñar programas de ventas cruzadas o upselling?
- 20. # 3. Técnicasde Regresión Lineal Arboles de Regresión - KNN • Profiling / Prospecting • Perfil de nuestros clientes: Cuanto nos comprará un cliente con estas características? • ¿Qué tipo de cliente debemos ir a buscar? • Perfil de rentabilidad de nuestros clientes Integración
- 21. #4. Técnicas deRegresión Logística Arboles de Clasificación - KNN - Naive Bayes - SVM • Adquisición/Retención/Deserción • ¿A que clientes debemos contactar para iniciar una relación de negocios? Cuáles debemos evitar? • ¿Que clientes estamos en riesgo de perder? ¿Podemos identificarlos? ¿Podemos hacer algo para retenerlos? Integración
- 22. • Todo Comienzacon Datos • Qué es Data Mining? • Aplicaciones Típicas • Análisis Avanzado • El Proceso de Data Mining • ¿Qué es GerenciArte? Agenda Relaciones. Insight. Crecimiento
- 23. El proceso deData Mining Fuente: CRISP_DM Process
- 24. Transformación Organizacional Modelos Predicción y Optimización Big Data…Esta basado en 3 guías principales Decisiones inversas Paso por paso Evaluación y aprendizaje
- 25. • Todo Comienzacon Datos • Qué es Data Mining? • Aplicaciones Típicas • Análisis Avanzado • El Proceso de Data Mining • ¿Qué es GerenciArte? Agenda Relaciones. Insight. Crecimiento
- 26. Optimización de lasventas Conocimiento de la Industria Análisis de Datos Integración Ventas/Entregas Marketing Modelo Operacional GerenciArte
- 27. Optimización de las ventas Quées la optimización de ventas? Un número de segmentos de mercado que tiene tradicionalmente soportado por marketing y ventas están empezando a relacionarse junto a nuevos segmentos …. Agencias Estrategia de oferta pero poca implementación de apoyo Los Vendedores de Marketing Soluciones tácticas (DM, digital, online, etc.) pero no parte de una estrategia integrada. CSO Los representantes de ventas son caros vs. un enfoque multicanal Marketing/Ventas El trabajo duro de empresas que hacen internamente y requiere significativa habilidades e inversión
- 28. Marketing y ventasbasado en experiencias Reducción del Ruido & Mejorar el Enfoque BANCO Determinar Comunicación Preferencias Segmentación & Focalización Planificación automática. Pruebas & Ejecución Mejorar los resultados financieros Aumento de su compromiso y adopción
- 29. Contactos: +(591) 765-36465 info@gerenciarte.org plopez@gerenciarte.org www.gerenciarte.org Cambiando lamanera de como los mercados mundiales venden GRACIAS
Notas del editor
- #5 Existen diferentes formas de tratar al cliente, puede ser tratarlos de igual forma a todos o bien un trato personalizado, en algunas compañias Data Mininr permite ridiculamente acercarse a esto. Que es DM y como le puede aplicar un gerente. - A donde hay datos hay DM relevante Finanzas, Ventas, Etc. En DM necesitamos alguien en el equipo que hable SQL, Estadísticas, DM, Negocios. En DM lo importante son los clientes pero mas que todo la rentabilidad que se puede generar con esto. Estamos haciendo DM porque creemos que podemos ayudar a la empresas a entender a su cliente y ser mas rentable. Al ver al mundo de otra perspectiva. Los proyectos de DM esta concentrado en hacer mas rentable a la empresa.
- #6 Existen diferentes formas de tratar al cliente, puede ser tratarlos de igual forma a todos o bien un trato personalizado, en algunas compañias Data Mininr permite ridiculamente acercarse a esto. Que es DM y como le puede aplicar un gerente. - A donde hay datos hay DM relevante Finanzas, Ventas, Etc. En DM necesitamos alguien en el equipo que hable SQL, Estadísticas, DM, Negocios. En DM lo importante son los clientes pero mas que todo la rentabilidad que se puede generar con esto. Estamos haciendo DM porque creemos que podemos ayudar a la empresas a entender a su cliente y ser mas rentable. Al ver al mundo de otra perspectiva. Los proyectos de DM esta concentrado en hacer mas rentable a la empresa.
- #7 Este es un articulo que publica la revista El economista hace 5 años, sobre la importancia de DM en el mundo de los negocios para empresas modernas. Grafica interesante, sobre la cantidad de datos que estamos generando como sociedad. Cada vez es mas pronunciado. Noten que una fracción de esos datos lo terminamos guardando y una fracción infinitamente pequeña termina siendo analizada. Entonces hay una gran riqueza de datos pero se hace muy poco análisis. Hay un déficiti del personal para hacer este análisis. Quien sea capaz de procesar esos datos y convertir en información realmente va a tener una ventaja sobre su industria., los demás.
- #9 Que es DM, primero dejenme comenzar afirmando que no es DM. Hay empresas de software que estan haciendo promesas que realmente no se cumplen. DM no se puede hacer todo, particularmente no es magia. Hay proceso que no son pronosticalbes, como la bolsa y la lotería, sin embargo, hay metodologias de como pronosticar un poquito y me comparo con no hacer nada. DM no es encontrar cosas obvias, si no mas bien cosas entendible y utiles El resultado de un proyecto de DM que funcione para la empresa es información sobre la que yo puedo actuar. Si no actuo basado en los resultados de DM entonces el proyecto no funciono, porque yo quiero es cambiar procesos cambiar como lidio con los clients, una vez que los conozco mejor. A veces las empresas no lo quieren prestar pero tampoco las usan. Nadie la usa, tenemos que registrar las transacciones en nuestro sistema, pero nunca se exploral BD y esa base de D nadie la puede explorar si no es la compañía que la tiene, entonces es un recursos es un activo que esta siendo desperdiciado.
- #10 Big Data está generando una intensa cantidad de atención entre empresas, medios de comunicación e incluso los consumidores, junto con la analítica, cloudbased tecnologías, canales digitales y visualización de datos. Estos son Todo forma parte del ecosistema diverso corriente creada por la tecnología megatendencias. Sin embargo, como en el primeros días de la Internet, existe incertidumbre acerca de lo grandelos datos es, sus beneficios potenciales y Las organizaciones suelen ver estos tecnologías como la que ofrece oportunidades para mejorar su desempeño y crear una ventaja competitiva. Aquí es donde la familiaridad y confianza en las capacidades necesita aumentar la actualidad, como la importancia de estas tecnologías es probable que aumente significativamente en un futuro próximo. El término Big Data se ha convertido en un tema importante de la tecnología medios de comunicación, sino que también ha hecho cada vez más su camino en muchos cumplimiento, auditoría interna y gestión del riesgo de fraude relacionados discusiones. En la Encuesta Global Analytics Forense de Datos de EY 2014, El 72% de los encuestados cree que las tecnologías emergentes de datos grandes pueden desempeñar un papel clave en la prevención y detección del fraude. Sin embargo, sólo el 7% de los encuestados eran conscientes de las tecnologías específicas de datos grandes, y sólo el 2% era en realidad el uso de ellos. análisis de datos forenses (FDA) de tecnologías están disponibles para ayudar empresas sigan el ritmo de los crecientes volúmenes de datos, así como comerciales y regulatorias complejidades; ejemplos pueden incluir Los motores de procesamiento analítico en tiempo real que hacen negocio rápida decisiones, tales como detener un pago indebido o potencialmente transacción comercial, o el aprovechamiento de lucha contra el fraude / lucha contra la corrupción controles que integran el seguimiento de la visualización de datos, estadística el análisis y la minería de texto. Sin embargo, a pesar de su disponibilidad, muchos las empresas no han ampliado su uso de datos para aprovechar de estas herramientas eficaces, y pueden faltar fraude importante prevención y detección de oportunidades al no minería de datos más grandes establece para controlar con mayor fuerza las actividades de negocio.
- #11 Tenemos muchos datos pero poca información. Entonces uno puede ver el proceso de DM como el proceso de transformar 1 y 0 en informaión sobre la que podemos actuar. Finalmente tenemos computadoras que pueden procesar estas BD, y si no las tenemos las podemos rentar, esa es la belleza de la epoca en que vivimos. Esto es mucho mejor para todas las empresas, pero especialmetne para las empresas pequeñas, porqu no se tienen que gastar la millonada de plata, si resulta que la idea no funciona, entonces no. Y si funciono, entonces si puede trabajar con la nube. Y finalmente, la presión de la competencia es fuerte, no hay barreras de entradas, el que quiera hacer esto lo hace, de hecho lo unico que necesitas es voluntad, porque no hay una patente que te impida la utilización de este software, la utilización de la computadora para hacer las cosas en la compañía, esntonces es simplemente quien lo hace primero y quien toma la ventaja sobre los demás. Pero finalmente si todo mundo lo esta haciendo y yo no entro en desventaja en comparación con la competencia.
- #12 Historias de éxito, Principalmente en USA. Netflix, Amazon, lideres en la utilizaci´n de datos y procesamiento de D para hacer mejor el negocio. LA historia de Capital One, que trata de descubrir quien es el segmento mas rentable y robarselo a la competencia, sin que se dieran cuenta. Entonces terminaron con un segmento sumamente rentable de tarjetas de crédito y se convertieron de un banco pequeño en el monstruo que son.
- #15 Para que ustedes me recomienden para lo estudiantes del siguiente semestre, jaja.. Y tenga buena evaluación, vamos a enfocar a DM para resolver un problema de negocio. Mi tarea es demostrar que todo lo avanzado es relevante en las empresas modernas. Ahí tenemos las aplicaciones principales de DM en el mundo de los negocios, esta es una encuesta en EEUU en 500 compañias, y como se esta utilizando DM. Como se ve que las principales aplicaciones tiene que ver con el manejo de los clientes. Ventas.- mkt – retención de clientes Caso: estoy perdiendo clientes de una cia de telefonia celular, identifico a los clientes que se estan yendo, que hago cuando los identifique, definir perfiles de los clientes para entenderlos mejor y poder venderles mas. Pero DM tb se aplica a operaciones a control de calidad, inventario o bien para construcción de un score (finanzas) diferencias de un cliente de acuerdo a su capacidad de pago.
- #16 Para que ustedes me recomienden para lo estudiantes del siguiente semestre, jaja.. Y tenga buena evaluación, vamos a enfocar a DM para resolver un problema de negocio. Mi tarea es demostrar que todo lo avanzado es relevante en las empresas modernas. Ahí tenemos las aplicaciones principales de DM en el mundo de los negocios, esta es una encuesta en EEUU en 500 compañias, y como se esta utilizando DM. Como se ve que las principales aplicaciones tiene que ver con el manejo de los clientes. Ventas.- mkt – retención de clientes Caso: estoy perdiendo clientes de una cia de telefonia celular, identifico a los clientes que se estan yendo, que hago cuando los identifique, definir perfiles de los clientes para entenderlos mejor y poder venderles mas. Pero DM tb se aplica a operaciones a control de calidad, inventario o bien para construcción de un score (finanzas) diferencias de un cliente de acuerdo a su capacidad de pago.
- #17 Para que ustedes me recomienden para lo estudiantes del siguiente semestre, jaja.. Y tenga buena evaluación, vamos a enfocar a DM para resolver un problema de negocio. Mi tarea es demostrar que todo lo avanzado es relevante en las empresas modernas. Ahí tenemos las aplicaciones principales de DM en el mundo de los negocios, esta es una encuesta en EEUU en 500 compañias, y como se esta utilizando DM. Como se ve que las principales aplicaciones tiene que ver con el manejo de los clientes. Ventas.- mkt – retención de clientes Caso: estoy perdiendo clientes de una cia de telefonia celular, identifico a los clientes que se estan yendo, que hago cuando los identifique, definir perfiles de los clientes para entenderlos mejor y poder venderles mas. Pero DM tb se aplica a operaciones a control de calidad, inventario o bien para construcción de un score (finanzas) diferencias de un cliente de acuerdo a su capacidad de pago.
- #19 DM utiliza ciertas técnicas, útiles para resolver problemas de negocios. Entonces queremos segmentar los clientes, queremos hallar grupos de clientes que se comporten de una manera semejante dentro del segmento, pero diferente de segmento a segmento. Ahí esta el gran compromiso de tratar a todo el mundo igual y absoluta personalización que a veces es absolutamente cara, segmentación es si quieren compromiso entre esos 2 extremos. Clustering: con BD con cuentas de un cliente latam, y se tiene todas las transcciones de crdito por un periodo de 14 meeses y lo que puede ver es relamente si se puede segmentar a los clientes de ese banco, de acuerdo a como compran o como usan la tarjeta de credito, osea inmediatamente resuelve un problema de negocios, crear grupos que pueda tratar de una manera diferente y pueda generar más rentabildiad para la empresa. Min. 1.04.
- #20 Cuando hablamos de Reglas de asociación, cuáles son los problemas que estamos tratando de resolver o la información que estamos buscando con esa técnica? La técnica se llama MBAnalaysis, que surgió en supermercados, lo que querian saber es como compra la gente, como compra la canasta. Y queremos saber no grupos de clientes sino grupos de producto que tienen a comprarse juntos y para diseñar programas de ventas cruzadas, de upselling, cross-selling, que nos ayuden a vender más. Que nos ayuden a vender ma´s
- #21 Estas tecnicas ya son aplicadas a perfiles, Prospecitgn tiene que ver con si voy a ir a buscar clients nuevos con informacoón que es nueva, que carcateristica tiene los clientes que son rentables. Es decir, quiero cleintes nuevos, pero no quiero crecer realmente, a quienes busco? Cuales son los perfiles de los clientes rentalbes? Y que tipo de clientes voy a ir a buscar? Porfiling: aplicada a definicir perfiles, lo hago solo cuando son mis clientes. Estas tecnicas nos sirven para contestar estas preguntas. Lo que se quiere es un pronostico acertado.
- #22 Las otras técnicas como Rlineal, Arboles, se aplican al desarrollo de perfiles, profiling, yo hago el perfil de mis clientes basado en información cuando son solo mis clientes, prospecting, tiene que ver con si voy a ir a buscar clientes nuevos con información que es pública que características tienen los clientes que son rentables. El perfil lo puedo hacer solo cuando eres mi cliente, mientras que la parte de prospecting para clientes nuevos, cuando queiro crecer, entonces a quienes busco, que tipo de clientes debo ir a buscar. Estas tecnicas sirven para responder a estas preguntas. Problemas de adquición, renteción, deserción. Entonces ese es el procedo de DM para ilustrar en que consiste un proyecto de DM,
- #24 Un proyecto DM comienza con la definición de un problema de negocios. Tengo un problema en la empresa, formulación clara del problema MBA. Donde yo creo que el análisis y el procesamiento de datos pueden ayudar a resolver ese problema. Entonces entiendo el problema del negocio ejm. Estoy perdiendo clientes, los clientes se me estan yendo y no se porque, podré apoyarme con DM. 2da fase es, tengo base de datos dentro la compañía o comprar informaicón externa que me ayuden a resolver ese problema. Ahora viene la parte de Data Understanding, visualización para empezar a entender mejor el problema. Un vez q tenemos el problema y tenemos la BD vamos a tratar de desarrollar modelos que nos ayuden a resolver este problema. Finalmente, el modelo podría ser implementado en la realidad.