Predictive Analytics, ¿Solo para Data scientist?

predictive-analytics-data-scientist

Predictive Analytics. Suspiro profundamente. Desde que empecé con esto de la predicción basada en grandes datos, tengo la sensación de que, o yo me estoy confundiendo, o los que se confunden son los demás. Veo que hay un auténtico guirigay en torno a los puestos basados en Big Data que me confunden, como la noche a Dinio.

Cada vez que acudo a algún evento relacionado con Big Data se habla de la gran cantidad de vacantes que existen para los científicos de datos. Los matemáticos y programadores tienen un futuro prometedor en donde van a poder pedir la pasta que quieran. Y se les engloba en el campo del Predictive Analytics. Hasta ahí, correcto. Pero no solo de Data Scientist vive esta disciplina.

“¡Pojclaro, tonta!” pensaréis. Hombre, no tan claro. A ver. Bajo mi visión de persona que llega nuevecita a este campo, es que separáis lo que no puede separarse. Business Intelligence por un lado,  por el otro el Predictive Analysis, por otro la Transformación Digital, y sin embargo, para mí todo es uno. Debe de ser uno y yo lo veo completamente separado, y ahí la hemos fastidiado como compañía. Insisto, es lo que precibo.

No concibo el Predictive Analytics sin una Transformación Digital que nos permita un desarrollo de la inteligencia del Negocio global. Con todo lo que ello conlleva.

No concibo que para la analítica predictiva solo se tenga en cuenta a los denominados Científicos de Datos (siempre me viene a la cabeza la imagen del Profesor Bacterio) y no al departamento de Marketing y Comunicación. Existen compañías que no pueden permitirse tener un departamento de Data Scientist. ¿Qué hacer entonces? ¿Abandonamos la predicción?

No concibo que Comunicación esté perdiendo protagonismo y dejando que sea Marketing el que se encargue de la reputación, misión, visión y valores de la compañía. Sin que trabajen unidos porque no saben cómo usar la predicción para mejorar la percepción de nuestros clientes. Comunicación ha sido fagocitada por Marketing. Sin más. Luego no nos lamentemos.

No concibo que sean los Data Scientist los encargados de hacer la analítica predictiva. Sólo ellos.

No concibo que ningún marketero no poseea nociones de R, o SAS o Python o cualquier otra herramienta y código de programación que nos permita analizar dichos datos. Si quieres llegar a algún sitio tienes que saber, al menos, interpretar un mapa, aunque tú no hagas ese mapa.

No concibo estas concepciones tan  individualistas  y que contengan tan poca visión global.

Porque seamos sinceros, un científico está muy bien y es muy necesario para extraer la información que necesitamos o los famosos insights como compañía, pero eso tienen un nombre Data Mining. Pero nada más, ni nada menos. Salvo rara avis, no van a saber qué preguntar a los datos. ¿Saben qué combinaciones de variables son necesarias realizar y entender qué podemos sacar de ahí y que sea beneficioso para la compañía?

Y cuando digo beneficioso es poniendo al cliente en el centro y haciendo que toda la compañía gire en torno a él.  Todos en conjunto.

Pero también es cierto que, de todas las charlas a las que he acudido, en ninguna se ha explicado con casos prácticos cómo la predicción y su análisis puede crear entre cliente y compañía un vínculo que se transforme en dólares/euros para la corporación. En ningún momento me he sentido que estaba aprendiendo algo diferente sobre Marketing. En todas y cada una de las charlas a las que he acudido, en todas, absolutamente en todas, explicaban procesos, tácticas digitales con diferentes herramientas: marekting automation, inbound marketing, email surveys…

Y perdonadme pero, ¿esto no es lo que se viene haciendo ya?

¿Para qué meterse en el embrollo de los grandes datos si no somos capaces de pensar fuera de la caja?

Como marketeros tenemos que empezar a estudiar las fórmulas necesarias para el desarrollo de nuestro trabajo al más puro estilo Rappel. Usar la tecnología que existe para ayudarnos a ello. Ya existen en el mercado herramientas como Watson Analytics (IBM) que nos ayudan a predecir, profundizando en los datos que existen. Tenemos que empezar a hacer predicciones y obtener errores. Aprender de los errores y volver a calcular con nuevas variables. Como decían en el colegio: ‘Combinaciones de X elementos tomados de Z en Z”

Los marketeros que quieren dedicarse a la predicción tienen que ser estrategas. Un buen estratega se anticipa (predictive) se adapta (analysis) y actúa (tactics).

Quiero ver a alguno de vosotros iluminándome. Enseñándome el camino para que el Predictive Analytics sea efectivo en una compañía, con ejemplos claros, estrategias definidas. Trabajando conjuntamente y en armonía los Data Scientist y los Marketeros.

Porque si no, tendré que hacerlo yo.

 

 

Comments are closed.