Módulo sobre Analytics

1 Copyright Snark Consulting

Analytics Datos, relaciones, modelos, matemáticas, y mucho sentido común


Contenidos

! Elementos iniciales: información y Big Data

! Segmentos en los 90s

! Microsegmentando en clusters

! KPIs y métricas usuales

! Reglas del negocio, scoring y modelos

! Dashboards: la visión de alto nivel

! Ajustes: Azarenka vs Sarandos

! Ejemplos recientes en la industria


Percepción interna de los analitiqueros


Abundancia de información


Preámbulo: definición del analytics

! No es KPIs, no es Big Data

! No es Business Intelligence (BI), no es conocimiento.


Metodología de los KPIs

! Cuál es el foco? n  Imaginar evolución del proyecto.

! Qué es lo se mide? n Construir un “tablero de comando” n  “Balanced scorecard” = BSC

! Cómo se lleva a cabo? n Mediciones alineadas con la estrategia n Comunican (sotto voce) valores a seguir n A menudo se usan dimensiones

! Objetivo: culturalLlegar a una cultura n Debe funcionar sin que sea una imposición n El número no le gana al sentido común


Actividad: los KPIs y el deporte


Analytics en medio del contexto

! No es el negocio, no es el IT, no es el presente.

! Pero para planear y ejecutar se debe entender TODO el negocio.


Algunas métricas usuales ! MRR = ingresos mensuales

! VW = visitas al sitio web (usual en B2C)

! Leads = contactos (usual en B2B)

! Clientes totales

! Nuevos clientes

! Costo de adquisición del cliente

! Churn

! Retención

! Vida media de cliente


Definiciones

! Conocimiento

! Data Warehouse

! Montar el Analytics

! Extraer tendencias

! Setear KPIs a medir

! El límite del Big Data

! El concepto de proxy


Modelos: relación con CRM y data mining

! Conocimiento

! Data Warehouse

! Montar el Analytics

! Extraer tendencias

! Setear KPIs a medir

! Cross-sell

! Deep-sell


Churn


Nube: Amazon AWS


Actividad: definamos KPIs con Murakami

! Peso

! Distancia

! Velocidad

! Resistencia

! Testeos intermedios

! Felicidad

! Alma y cuerpo


Haciendo crecer el Analytics

! “Built, deploy, mantain”

! El rol de los “data scientists”

! Construcción de modelos: Python, PMML, KIJI

! Scoring

! Chequear input (métricas)

! Planear output (dashboards)

! Workflows


Ámbitos previos y actuales

! Psicohistoria de Isaac Asimov

! Predicción del amor en Facebook

! Telecomunicaciones

! Cupido.org

! Retail

! Oil & Gas

! Netflix


Tableros y Dashboards


Ejemplo: un dashboard para VOD

18 Turnover ARPU Most performing Title of

the month


El verdadero fin del Analytics: darse cuenta

Módulo sobre Analytics

Education

Transcript of Módulo sobre Analytics