Your address will show here +12 34 56 78
Social Business Intelligence

big-data tipos de datosNo es la primera vez que en Brandchats hablamos del Big Data por esta razón, no entraremos en detalles en términos de definición. Sin embargo, vamos a incidir en los datos creados fuera de una organización, que se pueden agrupar en dos grandes categorías: estructurada y no estructurada.








DATOS ESTRUCTURADOS

1. Creado

Las empresas de datos generan mucha información para la investigación de mercados. Esta acción puede consistir en elaborar encuesta a clientes o grupos de discusión. El proceso también incluye métodos más modernos como la creación de un programa de fidelización que recopile información de los consumidores o bien pidan a un usuario que creen una cuenta y entren cuando están comprando.

2. Provocado

Dar la oportunidad a las personas a expresar sus puntos de vista genera un gran volumen de datos. Cada vez que el cliente valora un restaurante o la experiencia de compra, es un sumatorio de información.

3. Tramitado

Las empresas recogen datos sobre todas las transacciones completadas, si la compra se ha completado a través de un carrito de la compra online o directamente en el punto de venta.

Las organizaciones también recopilan datos sobre el proceso de una compra online. Por ejemplo, un cliente puede hacer clic en un anuncio de la home o un banner en google que les conduce a las páginas del producto que van a comprar.

Los bancos por ejemplo también son grandes consumidores de de los datos transaccionales.

4. Compilado

Los censos de población, el número de coches matriculados cada año, el volumen de compra en un supermercado son datos compilados en grandes bases de datos de todos los hogares. Cada país tiene su propio sistema. Los individuos tenemos una serie de información básica registrada que incluye nuestra identificación, família, estudios, antecedentes, datos médicos,etc.

5. Experimental

Se crean datos experimentales cuando las empresas experimentan con diferentes acciones de marketing y mensajes para ver cuáles son los más efectivos hacia los consumidores.

También podemos interpretar los datos experimentales como una combinación de datos creados y transaccionales.

DATOS NO ESTRUCTURADOS

Son aquellos datos no almacenados en una base de datos tradicional. La información no estructurada no puede ser almacenada en estructuras de datos relacionales predefinidas.

Se pueden establecer diferentes clasificaciones, vamos a considerar dos de ellas.

  • Datos no estructurados y semiestructurados. Los datos semiestructurados serían aquellos datos que no residen de bases de datos relacionales, pero presentan una organización interna que facilita su tratamiento, tales como documentos XML y datos almacenados en bases de datos NoSQL.
  • Datos de tipo texto y no-texto. Datos no estructurados de tipo texto podrían ser datos generados en las redes sociales, foros, e-mails, presentaciones Power Point o documentos Word, mientras que datos no-texto podrían ser ficheros de  imágenes jpeg, ficheros de audio mp3 o ficheros de video tipo flash.

6. Capturados

Los datos capturados se crean de forma pasiva debido a la conducta de una persona. Cada vez que alguien entra en un término de búsqueda en Google este motor, utiliza la información capturada para un futuro beneficio.

La información del GPS en nuestros smartphones es otro ejemplo de recogida de datos pasiva que puede ser capturados con las plataformas tecnológicas del Big Data.

7. Generados por el usuario

Los datos generados por los usuarios se componen de todos los datos de las personas que están introduciendo en Internet diariamente. Desde tweets, mensajes de Facebook, a los comentarios en las noticias, videos subidos en YouTube.

Los individuos están creando una enorme cantidad de datos que las empresas pueden utilizar para mejorar su relación con los consumidores y obtener información sobre productos.

 

0

Social Media Monitoring

El pasado jueves 12 de junio tuvo lugar en Barcelona el Conversion Thursday donde los expertos Xavier Colomés, Anna Fernández, Adam Barnes y Pere Rovira centraron su conversación en la Analítica Accionable.

La jornada giró entorno al análisis de datos y a la evolución de las métricas. Antes lo importante era saber si las visitas web subían o si vendíamos más. Sin embargo, los datos evolucionan, el papel del analista adquiere mayor protagonismo y los métodos de estudio de datos adquiere mayor complejidad.

Un hecho que tenemos que tener en cuenta, es quien recibe estos datos y de que forman se presentan. Durante el evento pudimos escuchar frases como “En la analítica web es muy fácil encontrar datos que no te dicen nada” o “Como el hecho de saber explicar un dato, hace que puedas atraer la atención de tu Jefe”.

No debemos olvidar que los datos son largos extractos de letras y números y tanto un analista web como un analista de monitorización y reputación online tienen que gestionar e interpretar todas las variables para extraer el grano.

Los softwares nos proporcionan facilidades y numerosos métodos de clasificación que se pueden construir a medida para cada cliente. Pero no todos los datos tendrán la misma prioridad de interpretación. En este punto de inflexión es cuando el analista tiene que decidir que debe presentar y de que forma.

Como podemos deducir, no es lo mismo interpretar este tipo de gráfico donde se clasifica la información por una serie de categorías estipuladas por un clientes y segmentadas por diferentes medios de comunicación.

Que interpretar miles de menciones sin orden ni forma y decirle a tu cliente o jefe aquí tienes “el informe de datos del mes”.

Pero debemos tener en cuenta que para llegar a un resultado atractivamente visual y con todas las métricas y filtros aplicados, el analista se tiene que enfrentar a estos datos y proporcionar el giro visual necesario.

Los datos son como la alta cocina

Xavier Colomés, uno de los ponentes del Conversion Thursday dijo esta gran frase “Los datos son los ingredientes pero no el plato principal”.

La harina, levadura, huevos, leche y azúcar sean posiblemente los elementos claves para elaborar la base de un pastel. Su conjunto de ingredientes y la forma de cocinarlos nos deleitará con ese plato. No obstante, cada elemento por separado tienen numerosos significados. Cuando pensamos en huevos podemos hablar desde una tortilla francesa, a un huevo pasado por agua, el significado que nosotros le demos y la presentación de esa materia prima es el valor real del producto bruto.

Esta misma metáfora es 100% aplicable al análisis de datos, la presentación de los resultados y el valor que tengan para cada departamento.

La analítica por si sola no vale, no aporta y no decide.

La analítica no tiene que cambiar comportamiento, la analítica tiene que medir comportamientos.

Ya sea el estudio del proceso de compra en un ecommerce al orden de las pestañas en una web como también, la estrategia de conversación online que sigue una organización versus a sus competidores, son algunos ejemplos de mediciones que los diferentes tipos de analistas llevan a cabo.

La misión de un analyst es medir e interpretar los datos acumulativos de una organización y a través de la extrapolación, segmentación e interpretación dar un valor añadido a los resultados obtenidos.

El volumen de información que se obtiene del universo online es elevado por lo tanto, es vital que el analista siga unas directrices de los responsables de marketing y comunicación para saber hacia donde es más prioritario dirigir los esfuerzos. De esta forma, sus informes tienen un valor importante para la organización y hacen sus recomendaciones en función de los resultados.

Finalmente si los responsables de las áreas digitales implementan las recomendaciones indicadas por el Analyst es cuando los ingredientes por fin se convierten en un plato listo para comer.

0

Bitnami