En 1812 y 1941 respectivamente, Napoleón Bonaparte y la Alemania nazi decidieron invadir Rusia. Pero ambas campañas fallaron por el duro invierno ruso. Si bien existen más factores detrás de estos hechos históricos, la historia podría ser diferente si se hubiera contado con data para tomar decisiones más asertivas en el frente de combate.
En la actualidad, las empresas se ven enfrentadas a sus propias batallas, ya sea lanzamiento de nuevos productos, realización de campañas de marketing o cómo competir en el mercado. Todo esto en un entorno globalizado, dinámico y competitivo donde entender las necesidades y estilo de vida del consumidor son imprescindibles, pues las decisiones precisas pueden significar una victoria. Por esto son relevantes los conocimientos originados por la información que la empresa recopila para la toma de decisiones, ya que se convierten en fuente de conocimientos para la toma de decisiones más precisas y asertivas, entendiendo que en la era de la información, analytics es la clave que apoya a este proceso.
Para este año Forrester Research predice que se proyecta que 70% de las empresas del mundo planean integrar Data Science y Machine Learning en su gestión empresarial, y que el 20% de las empresas recurrirá a la IA para tomar decisiones y proporcionar instrucciones en tiempo real. Además, según un informe de Forbes Insights y EY del 2016, el 66% de las compañías globales que incorporaron analytics a su estrategia han logrado un aumento como mínimo del 15% en sus beneficios. Y al abanico de maneras que el uso de datos puede ayudar al entorno empresarial es infinito, aquí dejamos algunos ejemplos:
En la industria del Retail, el uso de analytics ha ayudado, entre muchos aspectos, a determinar cuando los precios deberían bajar como parte de una optimización del markdown, en contraste con el enfoque de descuentos de final de temporada. Según experimentos hechos por US retailer Stage Stores, el uso de analytics junto a enfoques predictivos para determinar cambios en la demanda de productos es superior un 90% del tiempo a acciones tradicionales del retail, ya que en general conduce a mayores ingresos.
A su vez en el sector de Consumo Masivo, el uso de datos puede ayudar a generar recomendaciones personalizadas en el canal tradicional, como el caso de Pedido Sugerido, solución de Penta Analytics que busca aumentar la venta y mix de productos a partir de un perfilamiento analítico de clientes. Su implementación ha logrado el aumento del 10% en la venta incremental, incremento de un 9% en valor de clientes y el aumento de 8% en mix de clientes.
Por su lado, en la industria Minera, se ha incursionado en el mantenimiento predictivo de la maquinaria, lo que está ligado a la reducción de costos al implementar pautas preventivas de mantenimiento. En Penta Analytics esta solución ha traído una reducción del 10% del costo total de mantenimiento.
Finalmente, la capacidad de lograr resultados se encuentra relacionado con la capacidad de tomar decisiones precisas, que lleven a transformar a las empresas en competidores analíticos para aprovechar las condiciones del mercado. Las empresas están llenas de datos, los cuales se han convertido en uno de los principales activos para competir, por lo que si se quiere desarrollar y reforzar una ventaja competitiva, este dato no se debería olvidar.
Fuentes:
https://www.ushmm.org/wlc/es/article.php?ModuleId=10007794
https://www.retailactual.com/noticias/20180608/compra-futuro-iot-nielsen-congreso-aecoc#.WzvhFtUzbIX
https://www.elconfidencial.com/empresas/2017-04-26/ey-ernst-young-empresas-data-analytics_1362460/
https://www.analytics.cl/mantenimiento-predictivo-aplicacion-resultados/