Oops! It appears that you have disabled your Javascript. In order for you to see this page as it is meant to appear, we ask that you please re-enable your Javascript!

SINNETIC: solo 18% de la data de empresas colombianas sirven para el desarrollo de sus negocios

Bogotá, mayo 2019. Todas las empresas quieren monetizar su información, crear productos basados en los datos que llevan años recopilando, pero ¿Qué tanta demanda tienen estas iniciativas?

El departamento de integración digital y Big Data de SINNETIC, firma de consultoría en analítica e investigación, ha desarrollado un extensivo estudio para analizar la demanda de productos basados en datos dada la tendencia de diferentes empresas a generar estas ofertas al mercado.

1 de cada 12 empresas quieren vender los datos que han colectado, pero solo 1 de cada 39 tienen apertura para comprar dicha información.

 

¿Qué significa monetizar los datos?

Las empresas han invertido enormes cantidades de dinero para almacenar la información, producto de su operación en general y de la relación con sus clientes en particular. Este valor invertido se ha concentrado en bases de datos, sistemas transaccionales, bodegas de datos entre otros.

Esta inversión, ha hecho pensar a los ejecutivos sobre el retorno directo y la posibilidad que tienen las empresas para tomar la data y venderla a terceros, generando nuevas líneas de negocio y producto.

Gabriel Contreras, CEO de SINNETIC, asegura que “todos aquellos que en el pasado abogaron por la compra de sistemas de información, software de análisis y visualización de datos etc., hoy tienen la presión de retorno y generación de productos”.

El tema de monetización de datos, ha incrementado 242% desde 2017 a la fecha en los buscadores y redes sociales. Es un tema que le interesa al motor productivo del país.

 

¿Qué tipos de productos se han derivado de datos?

El análisis de las páginas web y modelos de negocio de cerca de 582 empresas en Colombia, permite segmentar la oferta de derivados de datos en cuatro grandes grupos:

El 72% de los derivados monetizables de datos producidos por las empresas, son de tipo descriptivo, tienen poca evolución analítica y se dedican a contar lo que pasó y lo que ocurrió. Llama poderosamente la atención que solo el 18% de los derivados de datos tienen algún nivel de profesionalización analítica valiosa para las empresas, por eso conviene analizar con detalle cada segmento” indica el CEO de SINNETIC.

a) Segmento 1 Derivados Descriptivos: Son reportes o extractos que presentan al público lo que pasó y ocurrió. Bases de datos planas o extracciones que por ley de datos personales, no necesariamente revelan identidades, pero sí transacciones y comportamientos de compra, venta etc.

  • El comprador de esta información debe vincularla a sus propias fuentes para extraer análisis avanzados y leerla de manera eficiente.
  • Ejemplo: un retail puede venderle a las marcas que exhiben productos, algunos reportes sobre el comportamiento de venta en diferentes geografías y puntos de tiempo.

b) Segmento 2 Derivados Predictivos: Son puntajes, scores o construcciones que predicen ciertos desenlaces futuros. Por ejemplo, las centrales de riesgo, crean predicciones sobre la capacidad de pago de las personas o sobre el monto máximo de endeudamiento futuro.

  • Aquí hay una propiedad intelectual producto de procesos extensivos de minería de datos y modelamiento predictivo.
  • Los departamentos jurídicos de las diferentes empresas, temen publicar pronósticos por temor a demandas o pérdida de reputación en caso que los pronósticos sean lejanos de la realidad.

c) Segmento 3 Derivados Prescriptivos: Son simuladores o recomendaciones basadas en información histórica. Ayudan a los negocios a tener en cuenta grandes cantidades de información histórica antes tomar decisiones a futuro.

  • Ejemplo: los simuladores de crédito de los bancos.

d) Segmento 4 Derivados Cognitivos: Son desarrollos basados en inteligencia artificial. Información sobre transacciones históricas, preferencias etc., que sirven para la construcción de sistemas inteligentes que hacen sugerencias predictivas y toman decisiones en tiempo real.

  • Ejemplo: las redes sociales, nos prestan solo contenido similar a aquel que hemos mostrado signos de preferencia en el pasado.

CONCLUSIONES

 

¿Por qué la información resulta poco valiosa?

1. Para el 87% de los gerentes entrevistados, la información tiende a ser poco valiosa porque no revela el mercado, solo una porción.

Por ejemplo, si un retail vende información, esta solo cuenta la historia al interior del mismo, no de todo el mercado.

2. Para el 62% de los gerentes entrevistados, la información no es valiosa, porque lo que están comprando generalmente son bases de datos, no predicciones, pronósticos o recomendaciones.

3. Para el 43% la información es poco valiosa, porque la empresa donde trabajan, no cuenta con una cultura de decisión centrada en datos.

4. El 31% de los gerentes entrevistados, consideran que la información es poco valiosa, porque el mundo ha cambiado mucho en los años más recientes, y que esa información histórica no revela la tendencia futura.

5. El 26% de los entrevistados consideran que la información no es valiosa porque no se transforma rápidamente en ventas, no tiene la identidad de algún posible cliente.

“No importa cuántos datos se compren, si las empresas no tienen una cultura que facilite la toma de decisiones basadas en datos, la inversión será infértil en el corto plazo.” Afirma Contreras.