Fotolia

Evaluar Conozca los pros y contras de las tecnologías, productos y proyectos que está considerando.

Empresas buscan nuevos métodos de análisis de datos para 2016

Con un enfoque en superar a su competencia en el 2016, las empresas están revisando una variedad de nuevos enfoques para el análisis de datos avanzados.

Conforme 2016 se pone en marcha, las empresas están explorando una serie de métodos de análisis de datos emergentes para obtener una ventaja sobre su competencia.

Para Stephen Barone, director de operaciones de la firma de marketing digital FullFunnel, 2016 será acerca de pasar de los silos y los proyectos de análisis específicos para un cliente, a un enfoque de big data más generalizado para la recolección y el análisis de datos.

"Somos datos pequeños, y la razón es que cada cliente es de algún modo único en su nicho o sector específico", dijo. "Realmente no podemos aprovechar el poder de big data en lo que hacemos en una base del día a día”.

La posición de Barone es similar a la de muchas empresas a medida que 2016 se pone en marcha. Aunque muchas empresas pasaron los últimos años lanzando y perfeccionando métodos básicos de análisis de datos, algunas están esperando enfocarse más en técnicas avanzadas en el nuevo año.

A pesar de las limitaciones actuales, Barone está seguro que FullFunnel puede hacer más mediante la implementación de métodos de análisis de datos. Recientemente, él contrató a un analista de ventas que tiene conocimientos de matemáticas y economía, que espera sea capaz de reunir ideas de entre todos los clientes. Actualmente, FullFunnel se centra en inbound marketing y actividades de búsqueda de pago. Utiliza una herramienta de DataHero para seguir el éxito de estas iniciativas para sus clientes, esencialmente cobrando por realizar informes de retrospectiva. Pero viendo hacia el futuro, Barone espera que esta información retrospectiva se pueda analizar de forma más sistemática para identificar y recomendar estrategias efectivas para los clientes. Este será uno de sus enfoques principales en el primer trimestre de 2016.

"Sabemos que podemos analizar los datos y sacar conclusiones más amplias, pero en realidad no hemos sido capaces de poner suficiente tiempo en ello todavía", dijo Barone.

El año de los conocimientos en tiempo real

Jeff Bodzewski, director de análisis en la firma de marketing digital y relaciones públicas de M Booth y Asociados, también espera centrarse en el análisis de datos más avanzado en 2016. En este momento, él quiere desarrollar más ideas en tiempo real.

M Booth ha sido un gran usuario de los métodos de análisis de datos en el pasado para identificar los atributos de la audiencia y realizar mensajes a medida para ellos en función de sus características específicas. Pero, en el pasado, la atención estaba centrada en hacer que el mensaje correcto fuera entregado a la audiencia correcta. En 2016, Bodzewski y su equipo quieren asegurarse de que estos mensajes también se entregan en el momento adecuado.

"Ahora, con la llegada de las fuentes de datos, en particular la ubicación de una persona a través de los datos móviles, añadimos 'en el momento adecuado' a nuestro enfoque de marketing", dijo Bodzewski.

Para lograr esto, Bodzewski planea aprovechar los datos móviles en mayor medida. Estos datos incluyen la ubicación de los usuarios móviles, por lo que es posible entregar mensajes que reconocen el contexto alrededor de la audiencia.

La computación cognitiva gana terreno

Aunque no hay duda de que aún es una época temprana para la computación cognitiva, uno de los métodos de análisis de datos del que más se habla entrando en 2016, algunas empresas se están interesando en ella. En Nationwide Insurance, el director de datos Wes Hunt dijo que está buscando la forma en que la tecnología podría mejorar los procesos de negocio y la experiencia del cliente.

Para él, el potencial de la computación cognitiva tiene que ver con mejorar las operaciones. De hecho, gran parte de la promesa de la computación cognitiva en esta etapa se centra en el uso de máquinas para reemplazar o aumentar a los humanos en tareas que implican digerir grandes cantidades de datos, convirtiéndola en una herramienta potencialmente útil en las operaciones del día a día.

Próximos pasos

No olvide revisar también:

Tecnología cognitiva y microservicios encabezan la lista de tendencias de analítica para 2016

Ford e IBM aplican analítica al transporte

Al planear la TI, las compañías necesitan analítica y big data

Investigue más sobre Big data (Grandes datos)

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close