"Podría decirse que la curiosidad y la creatividad son innatas, pero la intuición de los datos proviene del tiempo dedicado a explorarlos", dice Michael Berry, Director de Inteligencia de Negocios de TripAdvisor.
Berry y Gordon Linoff, quienes juntos cofundaron la consultora Data Miners Inc. y escribieron el libro. Técnicas de minería de datos para marketing, ventas y gestión de relaciones con clientes , fuimos nuestros invitados para la entrega de este mes de transmisión analítica de habla analítica. Si te perdiste el webcast, es ahora disponible bajo demanda .Debido al gran volumen de preguntas enviadas por nuestra audiencia durante la transmisión en vivo, no pudimos atender todas las consultas. Pero Berry y Linoff han seguido con respuestas a algunas de estas preguntas sobre análisis.
Pregunta: ¿Hay un proceso específico que siga para el análisis exploratorio cuando obtiene datos nuevos? Por ejemplo, ¿con qué gráficos empiezas?
Linoff: Esta es una pregunta muy general, y depende mucho de cómo se vean los datos. A veces, los datos ya se procesan en firmas de clientes, que son adecuados para el modelado. En este caso, las estadísticas univariadas son el lugar para comenzar. Si hay un componente de tiempo en los datos, como cuando se inicia un cliente, entonces vería la distribución de valores por tiempo, por lo general utilizando gráficos de dispersión o de barras. ¿Por qué tantos clientes comienzan en enero? O, ¿por qué la falta de pago se detiene en mayo? Los datos sin procesar pueden ser más complicados. Para tener plena confianza en los datos, debe comprender el procesamiento para asegurarse de que los datos sean coherentes. Los diagramas de valores de dispersión y los gráficos de barras en función del tiempo son clave aquí.
Baya: Lo primero que miro es la distribución de cada variable individual. Yo uso histogramas para eso. A continuación, es probable que use gráficos de dispersión para visualizar las relaciones entre las variables que espero que se relacionen.
Pregunta: ¿Cuánto tiempo recomendaría almacenar datos históricos?
Linoff: El almacenamiento es barato, por lo que esto se convierte en un problema menor con el tiempo. En algunas empresas, existe una clara necesidad de almacenar muchos años de datos. En otros, como el e-tailing, la necesidad puede ser menos obvia. Sin embargo, generalmente desea que al menos 13 meses de datos hagan comparaciones año tras año. A menudo quieres más. Si, por ejemplo, usted es un sitio de noticias de primer nivel en la Web y quiere entender cómo las noticias sobre las elecciones impulsan el comportamiento de los lectores, quiere saber qué sucedió en 2008 y quizás incluso en 2004.
Baya: No hay una respuesta establecida, pero diría "siempre que pueda ser útil". Algunos tipos de datos deben guardarse "para siempre". Esto incluye detalles de la relación con el cliente, como el canal de adquisición y el producto original adquirido.
Pregunta: ¿Qué te motiva a escribir y enseñar sobre minería de datos?
Linoff: Jajaja Eso es lo que hago. Básicamente soy un nerd en el corazón, y la minería de datos es una gran intersección de datos, estadísticas y sentido común.
Baya: Realmente encuentro el tema fascinante y me gusta compartir mi entusiasmo con el mundo.
Pregunta: ¿Qué puedo hacer para ayudar a cambiar mi cultura corporativa de la toma de decisiones "gut" a la toma de decisiones basada en datos?
Linoff: Necesitas buy-in a un alto nivel. UNA Harvard Business Review El tema dedicado a big data es una señal de que a los ejecutivos les importa o deberían preocuparse por estos temas. Sin embargo, la toma de decisiones basada en datos puede ir en contra de la cultura corporativa actual. A veces hay que esperar por fallas obvias y estar preparado para aprovechar las oportunidades que presentan. Por ejemplo, en un caso, pudimos avanzar con un sistema de pronóstico de supervivencia solo cuando el sistema de pronóstico anterior estaba tan apagado que los ejecutivos de alto nivel notaron la discrepancia.
Baya: Los cambios culturales son muy difíciles, pero se notarán algunos éxitos. Comience con algo donde los beneficios sean fáciles de medir y comprender, como el aumento de la tasa de conversión o el aumento de la retención.
