El análisis de datos resulta bastante útil para un sinfÃn de propósitos. La gran mayorÃa lo usa para obtener información precisa sobre el desempeño de ciertas áreas o de la empresa en general. ¿Es posible crear valor para los usuarios a través de los datos? La respuesta está en el data wrapping.
La principal idea detrás del data wrapping está en ‘envolver’ los productos o servicios ya existentes, con análisis de datos. Incorporar elementos procedentes del análisis de datos para brindar mayor valor a los clientes y ofrecerles una mejor experiencia.
Algunos ejemplos
La revista del Instituto Tecnológico de Massachusetts presentó en un artÃculo reciente, una serie de ejemplos del uso de data wrapping y cómo su aplicación generó mejores experiencias para los clientes finales.
En 2016, el banco BBVA de España ofreció a sus clientes una aplicación de gestión de finanzas personales. Una de las herramientas de la aplicación usaba algoritmos de machine learning para clasificar las transacciones de los clientes en categorÃas (alimentación, ropa, entretenimiento) y luego mostraba los gastos del cliente a través de un gráfico.
BBVA promocionó esta herramienta en su web para que los clientes tuvieran un mejor manejo de sus finanzas personales. En solo año y medio, la herramienta se convirtió en la función más utilizada en el sitio web de BBVA, solo superada por la transferencia de dinero.
En 2019 PepsiCo lanzó un conjunto de capacidades de análisis de datos llamado Pep Worx con múltiples funcionalidades, para lanzar y administrar con éxito programas de marketing innovadores y optimizar el espacio total en las tiendas.
Esto ayudó a los clientes minoristas a aumentar la rotación de productos, la obtención de ganancias y la realización del precio neto (esto último porque habÃa menos necesidad de descontar productos que no se estaban vendiendo).
PepsiCo desarrolló las capacidades durante un perÃodo de cuatro años a medida que la compañÃa resolvÃa problemas para clientes minoristas selectos utilizando información del comprador basada en análisis de datos. Con este modelo se genera valor para la compañÃa, para las pequeñas tiendas y para los clientes.
Las claves del data wrapping
¿Cómo llevar esta estrategia a un negocio? Lo primero es la experiencia con los datos. Un trabajo previo con los datos es esencial. De hecho, deberÃamos convertirnos en expertos en datos (revisando nuestra propia información) antes de intentar brindar valor a otras organizaciones.
Si hemos implementado procesos de automatización o de mejora partiendo de análisis de datos, vamos en la dirección correcta. Sin embargo, una investigación del Centro de investigación para sistemas de información (CISR) del Instituto Tecnológico de Massachusetts puede dar luces sobre cuáles son los aspectos clave para implementar una estrategia de data wrapping exitosa.
En ese estudio se encuestó a 511 gerentes de producto de grandes compañÃas para conocer las tendencias en relación con el análisis de datos. El 85% informó que estaban desarrollando funciones basadas en análisis de datos o habÃan implementado funciones en su mercado.
En detalle el informe describe tres actividades clave que distinguen a los lÃderes del data wrapping: complacen a los clientes con funcionalidades útiles y atractivas, diseñan experiencias para anticipar, asesorar, adaptar o actuar, y monitorear los retornos financieros.
Con este enfoque, los productos de una empresa están ‘envueltos’ en funciones y experiencias de análisis de datos que ayudan a los clientes y al mismo tiempo, generan rentabilidad para las empresas.
"Tu
retroalimentación es importante. Cuéntanos qué te pareció esta publicación y
dinos qué te gustarÃa aprender en la próxima."