PRODUCTOS DIGITALES: DISTINTOS TIPOS DE DATOS CON LOS QUE TRABAJAR Y MARCO DE TRABAJO
#SLICEofDATA Tu porción diaria de Data Analytics en solo 15 minutos
Distintos tipos de datos con los que podemos trabajar y sus peculiaridades
Los datos son el nuevo…. ¿Petróleo o Energía Solar?
PETRÓLEO
• Finito
• Escaso
• Mal repartido
• Coste variable creciente
• Proceso de transformación
complejo
• Contaminante
• Se puede almacenar
ENERGÍA SOLAR
• Infinita
• Abundante
• Uniformemente repartida
• Coste variable constante
• Transformación sencilla e in situ
• Limpio
• No se puede almacenar
¿Qué es un dato?
“Observación de un fenómeno”
“Conjunto de valores que adopta una variable”
Hay muchas formas de clasificar los datos, en función de la perspectiva que adoptemos:
• Estructurados - Datos que están sólidamente organizados, tienen estructura y formato coherentes, y son “sencillos de comprender” por una máquina
• No estructurados - Todos los demás
• 0-Party Data - Los que el cliente te entrega de forma explícita 🥴
• 1st-Party Data - Los que se generan “dentro” de tu organización
• 2nd-Party Data - El 1st-Party Data de otro
• 3rd-Party Data - Los generados por un tercero específicamente dedicado a la
generación de datos
Soft Data vs. Hard Data
• Datos duros: “constantes” e “incuestionables”
• Datos blandos: variables o dependientes de la observación
El gran problema del marketing de datos
Resolución del problema:
• Limpieza y normalización
• Enriquecimiento (interno y externo)
• Recopilando más datos (y mejor)
• Centralizando, fusionando
• Facilitando el descubrimiento y el acceso
Un enfoque estructurado: modelo de gestión del ciclo de vida de los datos de cliente
Recopilación:
De dónde vienen - 1st vs. 3rd party
Frecuencia de actualización
Cómo los recopilamos
Procesamiento:
Normalización y transformación
Almacenamiento
Análisis & segmentación
Activación:
Derechos de uso (contratos + GDPR)
Optimización
Integraciones
Una forma eficaz de abordarlo:
1. “As Is” + Evaluación de madurez ¿Dónde estoy?
2. Definición de la situación deseada “To Be” ¿Dónde quiero llegar?
3. Gap Analysis + Análisis de viabilidad ¿Qué me falta? ¿Esto es posible?
4. Planificación ¿Cómo voy a hacerlo?
5. Ejecución
Modelo de madurez de datos de marketing
Aspectos legales y éticos
Reglamento General de Protección de Datos (RGPD)
• Licitud, lealtad y transparencia
• Limitación de propósito y consentimiento explícito, informado y documentado
• Minimización
• Exactitud (y actualización)
• Limitado en el tiempo
• Integridad y confidencialidad (seguridad)
• ResponsabilidadMúltiples marcos de referencia éticos (FAT*)
• Fairness
• Accountability
• Transparency
• Interpretability
Ref: Manuel Delgado - 2019. Herramientas y técnicas de adquisición de datos. @manueldelgado.com
En próximas entradas… Cómo abordar un proyecto de recopilación de datos en propiedades digitales