El análisis inteligente de datos ¿qué revelan nuestros clientes?

El análisis inteligente de datos
¿qué revelan nuestros clientes?
Aplicación de herramientas de Big Data con enfoque en Marketing Relacional
Presentado por:
Víctor Manuel Hoyos V.
Business Analytics & Data Science
[email protected]
El valor de la información…
Fuente: iDATA
Fuente: iDATA
aplican
cómo
área
call
0
pre
opción
inversiones
fila
altura
meta
qué
tipo
firma
bienvenida
programa
banco calles
davivienda
cobran
sede
sucursal
debo
col linea
cliente
informe
aplica
monteria
jajaja
contarnos
operar
sec ponele
octubre
colombia fiscalíalínea
BBVA
ofrecer
extensión
recinto
sale
favor
mínimo
detalles
millones
fallo
lanza
Cajapermite
Social
liquidez
verificar cauca
clave
alista mantener clientes regional
excelente
manejo
señores
premio generando situación
min
Falabella llegada
alegra importantes
dinero bajas
presenta
diva proceso informaciónempresas
reportes
validar
destapa
5
vida
esprit
oscar
valle
meses
encargada
10
debería
pruebas caso feliz están
podrás bursátil
Banco
día alma panamá decida
comisiones
noticias podrá
asesor
Bancolombia
hacienda ayudarte
condiciones
datos
donaciones
n=28
scb
alla
cop
está minimo
plata
etrading
comisión
crecimiento
bpd
depende
plataforma
confirma
Caja Social
Frecuencia
importante
norte difusión
0
15
virtual
mercado asíacceso
comunícate
10
vemos
cali
baja
antioquia amex
hsbc
caracol
BBVA
20
denunciarán
agosto
descuento
sirven crédito
global
n=117
bancolombiaetrading importaciones
tarjeta saludos enfirme eeb finanzas
trading
bvc
cobrará disfrutar
hablar
vol
colombiano
30
correval
compra
0
mundo tarifasbvc
cajeros gracias
facilitar
concluiría
50
servicio cuéntanos
jpcórdoba
100
departamental
n=499
Bancolombia
150
miércoles secretaria
minimos tienes externos
exclusivo inversores
movilidadmedellín diferencia supervisores estudiando quieran
proceder guainiz colcap
ciudad jugador
escándalo
rubiales busca fajardo
banistmo informeespecial
tengas negocio operación amplia naturales opinión etraidi
administración remitiremos presentación
hipotecaria banbogotá
página
poniendo financiero
especiales
productos costo ingresa
consultar esperaba seguros
coyuntura dataifx
minuto
peso privilegios
económico cola aún
grupo
norma
tarifas cobro
amplíanos
Pichincha portafolio
vivienda felicita superfinanciera industria
anteriormente seguridad
interesados campo
pesos revisarán presidente sucursales
laboral
contestado lanzamiento
respuesta hijueputas
protesta
n=155
proyección ecopetrolempresa
necesitas esperando hablarle
Falabella
40
20
reporte
Figura 2. Worcloud para @Bancolombia_
Tabla 1. Score Social para los principales Bancos.
0
n=135
Pichincha
30
pensar
20
10
0
-7.5
-5.0
-2.5
0.0
2.5
5.0
Score
Figura 1. Distribución de Sentimientos Positivos y Negativos.
Fuente: iDATA
queso
clientes
comienza
Mi Planeta
lunes espacio
Grupo
puntosexito mañana
historiacarulla
Planeta
puntos personas
Móvil
tarjeta
deseamos
revelatuinterior
Viajes
VIVA
vivolamoda niños
regalo
martes
energía
barranquilla
naturaleza
nutrición
calle cómo
interior disfrutar
feliz día
días
infancia
amistad
ley
dúo
compra
bebés
porta
salón
ofrecen
sueños
energías
situación
sabías
mundo caso gusta bogotá amor
ciudad inscríbete
unbuenquesoexpress
venta
vigilante
modaasí
colombianos
arte
saludable libre
colección
cuéntanos
villavicencio
tendencias disfruta
viveelmomentodisfrutomiexito
bolsas busca
comenzar
ofrecerte prosperidad
Mi
años noche invitamos
colombia
nacional
desarrollo
Carulla
estilo
vida
producto versión
exito.com
empleos
Grupo
n=98
país
álbum
alimentos
n=2
carulla
públicas
río abrimos
compromiso
salondelqueso
historiaexito
descansar
confidenciasaf
servicio
almacén
Almacenes
wkd
plan
n=371
feria
año
color
fundacionexito
esperamos
Usuario
almacenes
marca éxito
aprovecha
prendas
salud
bucaramanga
infantil
expertos
mesdelbebe
mes
semana evento
cadena mano surtimax
empleados
inauguramos gustavo
artistas
exito.com
n=29
bebé atención
productos medellín
leche
sonrisa
desplaza inauguración
puedes
octubre
parque familia
septiembre bronziniandyouintegral
aniversario dormir cumpleaños
primerainfancia experiencia inauguró seguro
ropa
contiene
adecuamos
cumple
marzo
concepto
formato
proveedores quesos
sábado
participa
n=235
goticas grupo comprometes
planeta
puertas
toque ilustraciones you
fiebremundialista
celebrar colores
catalina
n=714
Carulla
Frecuencia
Almacenes
Móvil
250
200
150
100
50
0
80
60
40
20
0
10.0
7.5
5.0
2.5
0.0
80
60
40
20
0
2.0
1.5
1.0
0.5
0.0
20
15
10
5
0
6
comodidad
ganas
directorio
sonrisas
compartir
llamado cambiojeans miplanetaexito incendio
encanta
programa centro compañía apertura programación
conoce llega socorro recomendable
sanamejores domingo
bronzini apoyamos
Figura 2. Worcloud para @Grupo_Exito
Tabla 1. Twitscore para las cuentas Grupo Exito.
Viajes
n=13
4
2
0
n=193
VIVA
60
40
20
0
-4
0
4
Score
Figura 1. Distribución de Sentimientos Positivos y Negativos.
Fuente: iDATA
Metodologías
analíticas
Decisiones acertadas y
rentables
Preguntas
de Negocio
Conocimiento
profundo del negocio
Comisionistas
Banca
Retail
Salud
Energía / Comunicaciones
Logística
Big Data vs Small Data
Ecosistema Analítico
Despliegue / Consumo / BI
Analítica Avanzada
ETL
Infraestructura de Datos
Equipo Analítico
“Científico de datos: aquel que es mejor
estadístico que un ingeniero de sistemas y
que es mejor ingeniero de sistemas que
cualquier estadístico”
Grandes compañías buscan estos perfiles
¿Utopía?
Contenido
1. Caso de negocio sector retail
2. Proceso de inteligencia analítica
3. Resultados y principales hallazgos
4. Ejemplos de aplicaciones
5. Conclusiones
Antecedentes
Entre los principales interrogantes para diseñar estrategias de
mercadeo de alto impacto es conocer ¿qué características
tienen los clientes? ¿Cómo están segmentados? ¿Cómo me
comunico con ellos? Y de qué manera genero valor para la
organización. Lo anterior mediante el uso de herramientas
estadísticas y bajo un esquema AAS (Analytics As Service).
Analytics 3D: Encontrando los diamantes…
¿Utopía?
Cliente
Almacén
Vendedor
Mediante un análisis de clustering
conjunto se identifican características
propias en puntos de venta
(Almacenes), efectividad de la fuerza
comercial
(Vendedores)
y
preferencias
de
compra
del
consumidor (Cliente); como resultado
se direccionan estrategias que parten
del análisis de datos transaccionales,
demográficos y del negocio para más
de 678 mil clientes y más de 120
almacenes en todo el país.
Proceso de inteligencia analítica
Caso 1:
Ficha técnica de la solución Big data
•
•
•
•
•
•
•
•
•
•
•
Unidad de medida: cliente, almacén y vendedor
Bloques de información: identificación, demográficos, contacto, transaccional
Ventana de tiempo utilizada: últimos 7 años
Métodos estadísticos: clúster bietápico, árboles de clasificación, GLM
Sistema de información: POS – CRM
Base de datos procesada: SQL Postgresql
Tablas Maestras: 37
Cantidad de registros: 57 millones de transacciones
Clientes únicos: 678.000
Almacenes: 170
Vendedores: 254
• Herramienta de Minería de Datos: Knime + R Stats
• Herramienta de visualización y BI: Qlikview
Arquitectura de la solución Big data
 Se analizaron 37 tablas y 57 millones de
registros sólo del Sistema POS
 Se consolida un único archivo de análisis
con 47 variables y 8.3 millones de registros
únicos
Almacenes
170
 La información de clientes se caracteriza en
tres bloques: Identificación, Demográfico,
Contacto y Transaccional
 Fueron analizados datos transaccionales
desde julio de 2006 hasta diciembre de
2015 para 170 almacenes
 Se analiza la composición y relación de
ventas de cada marca con todas las demás
franquicias asociadas sobre un total de 678
mil clientes únicos
Cliente
818 mil
Marcas
14
Facturación
7.4 mills
Líneas
9
Vendedores
254
Resultados y principales hallazgos
Dimensión 1: árbol de clientes
Clientes
678.568
Inactivos
211.987
Platino
Activos
467.581
Segmento
Plata
Nuevos
Platino
Antiguos
Oro
Segmento
Plata
Bronce
Oro
Bronce
VARIABLES SIGNIFICATIVAS
• Recencia
• Frecuencia
• Monto
• Temporalidad
• Antigüedad
• Contactabilidad
• Venta Cruzada
Dimensión 2: Almacén
Almacen
es
170
LÍNEA
110
A
OUTLETS
60
B
E
Segmento
C
F
Segmento
D
G
H
VARIABLES SIGNIFICATIVAS
• Tipo de almacén
• Ubicación
• Marcas asociadas
• Ventas mensuales
• Ventas semestrales
• Ventas anuales
• Rotación de inventario
Dimensión 3: Vendedor
Vendedores
254
NUEVOS
120
A
ANTIGUOS
154
B
E
Segmento
C
F
Segmento
D
G
H
VARIABLES SIGNIFICATIVAS
• Tipo de vendedor
• Antigüedad
• Clientes nuevos
• Clientes inactivos
• Ventas mensuales
• Ventas semestrales
• Ventas anuales
Automatización del proceso en Knime + RStats
Ruta en KNime
Algoritmos de
minería de datos
Automatización del proceso en Knime + RStats
Ejemplos de aplicaciones
Caso 1: Lanzamiento del Producto
Identificación del Perfil del
Producto
-
Segmento
Género
Material
Colores
Análisis del Mercado
Objetivo del Producto
-
Edad
Ubicación
Almacenes
Género
Análisis del Mercado
Efectivo del Producto
- Clientes activos
- Compradores con
el perfil del
producto
- Frecuencia alta de
Compra
Caso 2: Campaña de Recuperación de Clientes
Selección de Nichos
- Clientes Recencia > X
Tiempo
- Monto Promedio ≥ X $
- Frecuencia ≥ 1/3 meses
Árbol de Productos
- Selección de Productos
Segmentados
Accionamiento de Estrategia
Caso 3: Campaña SALE
5. Conclusiones










Se han estimado ahorros en costos por un 14% respecto al año 2014.
Se ha aumentado la rotación de inventarios en un 8%.
El indicador de calidad se ubica en un 75% con corte a junio de 2015.
Se ha tenido una disminución del 15% en el ingreso de correos electrónicos con respecto al
corte de diciembre de 2014.
Ha habido un incremento del 7% en clientes nuevos con respecto al indicador con corte a
diciembre de 2014.
Se han inactivado el 26% de los clientes activos-antiguos en comparación al cierre de 2014.
El principal problema en la identificación de clientes únicos radica en la mala digitación de los
vendedores ubicados en las ciudades de Medellín y Bogotá.
Para las campañas SALE desarrolladas vía email y SMS entre enero y marzo de 2015 se generó
un impacto positivo al 17,5% de la base de datos seleccionada.
El proceso de transmisión de archivos mensual está totalmente automático.
La herramienta de consulta de clientes permite exportar y seleccionar grupos de clientes con
base en el árbol de clasificación definido en la etapa de análisis.
Gracias!