8) ESTUDIOS DE MERCADO
El responsable de IBM España indica que su sistema de inteligencia artificial Watson es capaz de aprovechar el dark
OCHO UTILIDADES ¿Qué utilidades reales puede sacar una empresa de una adecuada explotación de su
dark data? Toma nota de estas posibilidades: 1) ASESORAMIENTO E INDIVIDUALIZACIÓN DE LA OFERTA
Datumize ha instalado unos dispositivos para extraer dark data de los contadores eléctricos industriales de los clientes de Gas Natural en España. “Son unas máquinas con muchos años de antigüedad, así que no son inteligentes. Pero son muy caros, por lo que renovarlos costaría mucho dinero”, explica Lafuente.
“Los datos oscuros que recopilamos son todas las métricas que tiene dentro el contador, como consumo, curvas de potencia… a los que no se puede acceder remotamente. Hemos puesto un pequeño computador que ‘hace una foto’ completa del estado del contador cada segundo o cuando quiera el cliente. Después traducimos esa ‘foto’ a un formato de datos moderno, ya que el contador ‘habla’ en un protocolo muy antiguo. Y esos datos los subimos a una plataforma online de Gas Natural”, señala.
Es decir, traduce datos muy primitivos, en un lenguaje binario (0/1) a datos más complejos y analizables. Los contadores de Gas Natural, antes opacos, han dejado de serlo. Ahora, Gas Natural tiene todos los datos cada segundo, pudiendo contactar con sus clientes para explicarles por qué consumen y de qué manera, ofrecer un servicio de valor añadido de eficiencia para las industrias, etc.”, apunta el consejero delegado de Datumize.
2) OPTIMIZACIÓN DE CONSUMO Y DETECCIÓN DE FALLOS
La utilización de los datos oscuros permite reunir información acerca del funcionamiento de los equipos con el fin de reducir consumos innecesarios o detectar fallos. Si tenemos 60.000 ordenadores en stand by, encendidos 12 horas al día, consumen muchísimo. Y también supone un coste muy alto tener un técnico que vaya visitando todas las oficinas para revisar de forma preventiva las máquinas para que no se rompan. Somos capaces de hacer ‘fotos’ del estado de funcionamiento y detectar anomalías si las máquinas trabajan de forma diferente, así como consolidar las ‘fotos’ en una plataforma central para hacer modelos elaborados sobre su desempeño. Si somos capaces de sacar datos de todas esas máquinas de forma periódica para adelantarnos, aunque sea sólo en un 15% o 20% de las situaciones, y actuar antes de que se rompan, supone un ahorro directo. Además, podemos ajustar las horas de trabajo del técnico, optimizar el consumo eléctrico de las máquinas teniendo encendidas solamente las que se necesiten, etc.
3) MEJORA DE LA VENTA ONLINE
Todos los procesos que se realizan a través de Internet dejan un rastro de datos. Sin embargo, dicha información no siempre se utiliza adecuadamente. Las compañías analizan cuáles son los productos más buscados, los más vendidos, etc., pero hay mucha información que se pierde sin ser usada, ya que no es registrada. Por ejemplo, las búsquedas que no tienen una respuesta satisfactoria. “Las capacidades de búsqueda dentro de los comercios electrónicos no funcionan bien. Están perdiendo oportunidades. Podemos capturar todas las búsquedas de los clientes y qué se les ha respondido. Así es posible conocer las consultas que no han devuelto resultados de búsqueda. Los motivos pueden ser absurdos, como que se pregunte en otro idioma, se escriba mal el nombre del producto o se pida un color no disponible, pero también se puede detectar que se pregunta muchas veces por una categoría de producto que la empresa no tiene y que nunca se ha planteado ofrecer. Capturamos esos datos y se los enseñamos al cliente para que pueda tomar la decisión de incorporarlo a su catálogo”, añade Lafuente. Sin olvidar que se pueden aprovechar otros datos. Así, es posible crear una visión integral de los clientes mediante sus interacciones en la web, productos más visitados, tiempo de consulta de cada referencia, navegación entre artículos, descarga de manuales, diferencias de comportamiento entre usuarios registrados y anónimos, quejas por tipo de producto o de cliente, coste de las incidencias según el producto o cliente, etc.
4) ANÁLISIS DE VÍDEOS
Según Luis Reina, especialista en Big Data de IBM España, “Un buen ejemplo de dark data son la multitud de vídeos almacenados que no se analizan”, declara el especialista en Big Data de IBM España. A este respecto, la compañía ha desarrollado ‘Dark Vision’, solución que permite procesar vídeos extrayendo sus fotogramas y etiquetando lo que aparece en la imagen de cada fortograma. “Esta aplicación utiliza Open Whisk, una tecnología para detectar y etiquetar caras, edificios y otros objetos, creando un resumen de los más frecuentes. Una vez obtenida esta información, se puede pasar a un motor de recomendación para, por ejemplo, aconsejar vídeos similares o mostrar publicidad relacionada con el vídeo en cuestión”.
5) OPTIMIZACIÓN DE COMPRAS Y STOCKS
Los concesionarios Quadis obtienen buena parte de sus ingresos de la venta de recambios. Tiene un sistema ERP capaz de proporcionar todas las comunicaciones relacionadas con venta perdida. Es decir, todo el producto que se ha solicitado por parte de los clientes pero que no se ha llegado a vender porque no
La recomendación de los expertos es integrar el ‘dark data’ en el proceso de negocio, en una tarea continua de búsqueda de información hasta de debajo de las piedras
estaba en stock. Revisando esos datos, sus analistas son capaces de establecer una política de compras que les va a reportar mucho más beneficio, porque van a vender más o con mejor margen. Adicionalmente, el aprovechamiento de estos datos puede mejorar la rotación de almacén, evitar roturas de stock o la acumulación de producto no vendido. Otro ejemplo es el de algunos hospitales que se gestionan de forma centralizada, con sistemas que permiten conocer la disponibilidad de un quirófano o de un determinado material quirúrgico. Se pueden producir casos en los que se pregunte por la disponibilidad de un material 200 veces a lo largo del día y que el sistema responda en otras tantas ocasiones que no está disponible. La entidad gestora no se entera de esto porque el sistema sencillamente responde que no hay y no se puede reservar, pero dicha falta no es reconocida por el sistema.
6) GRÁFICOS DE EVOLUCIÓN BURSÁTIL
data para crear gráficos multidimensionales de evolución bursátil usando datos históricos para entender mejor el comportamiento de los mercados de valores. “Utilizando lenguaje natural y en español, Watson Analytics permite generar visualizaciones de forma automática para que cualquier persona, incluso sin conocimientos técnicos, pueda entender mejor su negocio. Esta forma de realizar analítica se denomina Smart Data Discovery”, explica Reina.
7) REGISTRO DEL FUNCIONAMIENTO DE PLATAFORMAS
El touroperador Grupo Piñero es uno de los clientes a los que Datumize presta sus servicios de dark data con el fin de garantizar la continuidad de operaciones de su plataforma telemática. “En temporadas altas, Grupo Piñero tiene una infraestructura que debe funcionar las 24 horas del día a pleno rendimiento, ya que cuenta con clientes en todo el mundo. Una de las complejidades es que cuando uno de sus clientes pide algo, implica muchísimos sistemas dentro de su centro de datos. En cada petición se están tocando 4, 5 o 6 sistemas diferentes. Eso genera una gran complejidad y la compañía necesita entender mejor qué está pasando. Y en caso de tener problemas, necesita un registro completo de todo lo que ha sucedido para poder solucionarlo”, explica Lafuente.
Datumize instala sus dispositivos y no interfiere en la actividad de la empresa. “Si no lo dices al responsable de esos sistemas que estamos ahí, ni siquiera se entera. Capturamos todos los datos, los consolidamos en una plataforma big data y ellos pueden hacer un seguimiento de
El aprovechamiento de los datos oscuros permite hacer ‘tracking’ de los empleados y conocer el tiempo de permanencia en el trabajo
Gracias al uso de datos oscuros se puede detectar cuándo y cómo se gana o se pierde un cliente y por qué, así como la relación de costes
MEDICIÓN DE TRÁFICO EN TIENDA.
Con la ayuda de un pequeño dispositivo, se puede hacer un seguimiento del flujo de clientes, midiendo cuántas personas entran o salen, cuánto tiempo pasan en la tienda, con qué frecuencia vuelven, etc. Esos datos se pueden extraer sirviéndose de diferentes tecnologías. Por ejemplo, es posible obtener información de la conexión de los smartphones de los clientes a la red wifi del establecimiento y por los paquetes de datos dentro de las red local de la tienda. Para ello, es esencial la ‘anonimización’ de los datos capturados. “Podemos capturar la dirección MAC de un dispositivo móvil pero la anonimizamos de tal manera que sea imposible revertirla”, explica Lafuente.
SEGUIMIENTO DE EMPLEADOS.
El aprovechamiento de los datos oscuros permite hacer tracking de los empleados sólo con analizar qué máquinas están encendidas o apagadas, permitiendo conocer cuándo vienen y se van, si están presentes o no, tiempo de permanencia, etc.
CARRERAS PROFESIONALES.
Cada empleado tiene un currículum cuando llega a la empresa, pero éste puede modificarse durante su trayectoria profesional mediante la realización de cursos de formación. “Generalmente, los cursos que se hacen no son visualizados por el gerente o jefe directo. Mediante procesos de dark data se puede capturar la información de la formación que se va recibiendo para conocer qué motivaciones tiene cada empleado. Quizá una persona que trabaja en logística esté realizando
ALMACENAMIENTO Y LOGÍSTICA.“Hay
muchísima información de almacén que no se está tratando y que pueden tener muchísimo valor, como los cambios de localización. Normalmente, sólo se guarda el último punto donde se ha puesto la mercancía. Si se cambia de A a B, el sistema registra que el material está en B, pero no se puede ver que ha cambiado varias veces de sitio. Así no es posible mejorar el trabajo en el almacén porque no se está registrando esa información o se está obviando. Utilizando estos datos oscuros se pueden optimizar las rutas”, afirma Fernández. todo lo que está sucediendo. Así se pueden centrar en su negocio, sin modificar sus aplicaciones para tener un registro de todo, sin preocuparse de aumentar la capacidad de sus máquinas, etc.”. Un problema de los fabricantes es que no pueden controlar cómo, cuándo y dónde se venden sus productos. Fabrican sus artículos, reciben los pedidos, salen de fábrica y se distribuyen a un mayorista, dejando de tener control sobre sus productos en ese punto. Pueden saber lo que ha salido de fábrica, pero no conocen cómo se han vendido sus referencias ni cuándo, porque son incapaces de tener visibilidad del stock de la tienda final. Como mucho, pueden saber lo que se distribuye a través de grandes superficies, pero no tienen idea de lo que se comercializa a través de pequeñas tiendas. Se tienen que fiar de lo que les dicen las empresas de investigación de mercado.
La clave es que empiecen a aparecer operadores capaces de poner máquinas en el punto final de venta. Por ejemplo, es posible ponerlas en otras tantas tiendas estratégicas en todo el territorio nacional para tener una muestra representativa de cómo se venden sus productos. Así, se recuperan las transacciones de venta de producto a partir de la lectura de los códigos de barras, de forma que sabemos exactamente cuándo se ha vendido un determinado producto.
De esta manera, el fabricante puede saber en qué tiendas se vende cada uno de sus artículos, qué días y a qué horas se registra mayor venta, si estas referencias se venden solas o junto a otros productos propios o de la competencia... Y esto también permite conocer mejor el efecto real de las campañas de marketing.