¿Vale la pena estudiar ahora Analítica Web?

Ante el auge del Big Data, muchas personas piensan que estudiar Analítica Web es algo obsoleto y que no vale la pena formarse en este campo. Sin embargo, la Analítica Web y la ciencia de datos o el Data Science tienen mucho en común: los mismos objetivos, pero los persiguen con herramientas diferentes.

Vivimos en un tiempo en que estamos cegados por el auge del Big Data y las empresas hacen alarde de su cultura orientada a datos. Como dice el director de research de Google Peter Norvig “No tenemos mejores algoritmos, simplemente tenemos más datos”. Por eso creo que el salto diferencial en estos tiempos no está tanto en la tecnología como en los sistemas de integración y tratamiento de los datos, que es lo que realmente cambia la forma de hacer las cosas.

 

Es mucho más interesante y accionable decir “Vamos a analizar conjuntamente los datos de CRM y los de la experiencia de usuario para poder entender mejor la relación que el cliente tiene con nosotros” que “Vamos a hacer Big Data”.

 

Al principio, la analítica web trataba de gestionar la información tradicional y dar soporte a las decisiones internas. El Big Data es algo diferente ya que en lugar de hacer informes y presentaciones que permitan tomar decisiones a los stakeholders, los científicos de datos normalmente profundizan en diferentes tipos de datos por medio de algoritmos para poder optimizar servicios y productos, encontrar nuevas líneas de negocio, etc...

 

Un analista web toma un histórico de datos, lo prepara y analiza, encuentra un modelo que le permite elaborar una o varias hipótesis y según los resultados obtenidos recomienda una acción o varias acciones al stakeholder. Los analistas web trabajan en todas las fuentes posibles de datos para encontrar nuevos patrones de comportamiento, alertar sobre las anomalías y los cambios y ser capaces de actuar en consecuencia.

 

 

Sin embargo, en Big Data, los datos no es tanto un bloque de histórico sino que se asemeja más a un continuo flujo de información. Los científicos de datos trabajan con la tecnología, más que para encontrar la estabilidad y conformar una estrategia, para descubrir nuevos métodos de interacción con las máquinas y poder tratar todos los datos disponibles por otros medios. Aunque sigue siendo necesario practicar un análisis y actuar sobre los datos para entender qué hacer no se debe proceder de la misma forma. Básicamente porque no es posible 🙂

 

Se ha generado y se está generando tal cantidad ingente de datos que no hay tiempo suficiente para analizarlos, por lo que el objetivo es analizar los datos con la mínima intervención humana, para poder llegar a tener la agilidad suficiente como para  ser capaces en el mínimo tiempo posible de encontrar vías de afrontar lo que nos vamos encontrando.

 

El Big Data nos puede ayudar mucho en la parte de tomar mejores decisiones, ya que el valor primario es añadir nuevas fuentes de datos para encontrar modelos descriptivos y predictivos. Es decir, si tenemos datos de lo que nos compran los usuarios, seguramente podemos añadir los datos del servicio al cliente, los datos de devolución de productos, los datos de lo que comentan los compradores en redes sociales, etc… Lo que quiero decir con esto es que la clave para tomar mejores decisiones es ir añadiendo contexto e información a los datos primarios. Si solamente tenemos una fuente de datos, nuestras hipótesis van a ser más básicas que si contamos con otros tipos de datos que nos ayudan a entender la situación y a predecir qué puede pasar si realizamos esta acción o esta otra.

 

El objetivo en ambas disciplinas sigue siendo el mismo: tomar decisiones, pero las herramientas son diferentes. Ahora mismo se pueden utilizar tecnologías que analizan sentimientos de usuarios o llamadas al callcenter y transforman la información que antes no se podía procesar de manera eficiente en datos que sí pueden servir para identificar a los clientes descontentos, por ejemplo. O ser capaces de entender el uso de diversos canales y dispositivos que el cliente utiliza antes de comprar.  Este análisis incluyen datos estructurados, semiestructurados y completamente desestructurados y eran complicados de gestionar en empresas que disponen de muchos potenciales clientes. Cada vez es más fácil ahondar en esta maraña de datos, con la tecnología adecuada y los perfiles adecuados.

 

 

Por lo que la diferencia está clara, el análisis tradicional se basa más en la optimización y el análisis de Big Data se basa más en el descubrimiento. Y la cultura del dato está presente en ambas puesto que es la base tanto de la producción como del descubrimiento. Ambos análisis parten de una pregunta relacionada con el negocio, pero los métodos de tratamiento de datos son diferentes y por supuesto el resultado de ambas son distintos.

 

El descubrimiento termina en una idea de un nuevo producto, servicio o de un factor que identifica mejor un nuevo camino. Sin embargo el análisis basado en la optimización es básicamente dar con mejores maneras de actuar, de cambiar las cosas. En el descubrimiento la intervención humana debe ser para dar con el algoritmo o modelo más sólido y en la optimización la intervención humana debe ser para unir las piezas del puzzle y dar con la mejor estrategia para afrontar un problema.

Y ahora mismo lo mejor que puede hacer una organización es hacer trabajar la optimización y el descubrimiento de manera conjunta para beneficiarse del conocimiento que de los datos tendrán ambas estructuras. Con el tiempo estos dos perfiles tomarán lo mejor uno del otro y el analista podrá usar la tecnología para optimizar y descubrir y el científico podrá usar el conocimiento del negocio para descubrir y optimizar. Ahora mismo están lejos de tener el mismo perfil pero a la vez están muy cerca en la manera de pensar y de llegar a accionar en base a los datos.

 

El Máster de Analítica Web ha ido evolucionando desde que vio la luz en 2011 para poder formar a los mejores profesionales en la toma de decisiones en base a los datos, ahora mismo estamos:

 

– Empezando por conocer los objetivos y KPIs para poder impactar en el negocio, las herramientas para poder extraer los datos de distintas fuentes, ser conscientes de en qué estado está la implmentación de dichas herramientas, poder hacer un análisis completo de los datos segmentando bien para hallar insights, conociendo las diferentes disciplinas de marketing online (SEO, SEM, Campañas, Redes Sociales…) para ser capaces de señalar recomendaciones y acciones para optimizar la estrategia en cada uno de ellos. Conoceremos cómo realizar análisis en los medios, en sitios de contenidos, en generadores de leads y en ecommerce.

 

– Estudiamos la web desde el diseño y la usabilidad para poder determinar qué cambiar y dónde desde el punto de vista del usuario, aprendemos a combinar los datos cuantitativos con los datos cualitativos para determinar qué ha pasado y por qué ha podido pasar, usamos la estadística para generar modelos y hacer analítica predictiva.

 

– Nos introducimos en el lenguaje R para ir un paso más allá y analizar grandes cantidades de datos, lo que nos ayudará en ahondar en el análisis de los clientes y hacer análisis de cohortes, de productos, de retención…Conociendo la empresa y cómo funciona cada uno de los departamentos implicados, aprenderemos a realizar un buen sistema de cuadro de mandos, orientados a cada uno de los receptores.

 

– Y lo más importante, aprendemos a hacer que los datos sean un activo más de la empresa y a tomar decisiones basadas en dichos datos, que impactan directamente en el negocio. ¿Y todavía nos preguntamos si vale la pena ser analista? Preguntemos a los analistas de Zara, de ING Direct, de Correos, de Prisa, de Vocento, de Viajes el Corte Inglés… que aprendieron analítica web en Kschool en los últimos años 🙂

 

Por lo tanto, estudiar analítica web (además de que a día de hoy sigue siendo una disciplina muy demandada por las empresas), es una buena opción si lo que quieres es formarte en la cultura del dato y (todavía) no tienes perfil para entrar directamente en el campo del Big Data.

 

Si te hemos convencido, es el momento de que veas toda información de nuestro Máster de Analítica Web.

 

 

Gemma Muñoz (@sorprendida)