El big data es uno de esos conceptos de los que oyes hablar continuamente, pero resulta difícil de "aterrizar" con ejemplos concretos. Si nunca has visto el big data en acción, puede que te resulte difícil imaginarte las aplicaciones prácticas y los beneficios que puede aportar a tu empresa.
Para ayudarte e inspirarte, hemos recopilado 7 ejemplos de marcas que ya están usando el big data para conseguir resultados increíbles. ¡No te los pierdas!
Se calcula que Netflix ahorra 1000 millones de dólares al año gracias a sus algoritmos de big data.
Su historia comienza en 2006, cuando lanzó el "premio Netflix" de un millón de dólares a quien pudiera crear el mejor algoritmo para determinar la opinión de los suscriptores sobre una serie o película basándose en las puntuaciones previas. A día de hoy, el 80% del contenido que se reproduce en Netflix procede del sistema de recomendaciones.
Netflix emplea varias herramientas tradicionales de inteligencia empresarial (como Teradata y MicroStrategy) y las combina con tecnologías de big data modernas como Hadoop, Hive, etc. El resultado es un algoritmo que predetermina los contenidos que los usuarios tienen más probabilidades de ver.
Al final, la clave del éxito de Netflix es la personalización, y el big data es lo que la hace posible. Solo así pueden facilitar una experiencia única para cada usuario.
Apple emplea el big data aplicado a la economía conductual, a fin de extraer conclusiones sobre su base de usuarios y utilizarlas en su favor. Estos son los 6 principios de economía conductual que le han ayudado a construir su marca:
Tribalismo: las tribus son grupos sociales con intereses y creencias similares, que comparten una misma identidad. En ese sentido, los usuarios de productos de Apple son una tribu que comparte una misma estética y estilo de vida.
Efecto dotación: tendemos a valorar más los objetos que ya poseemos, y el big data muestra que estamos dispuestos a pagar más por ellos. Apple implementa este principio permitiéndote probar los productos en sus tiendas.
Prueba social: este principio se basa en aprovechar los testimonios de usuarios y las recomendaciones de familiares y amigos.
Heurística: las personas usamos "atajos mentales" para hacer juicios rápidos. Apple exprime al máximo este principio en su packaging, ya que se considera que si un embalaje está bien diseñado, el producto también lo estará.
Efecto halo: este sesgo cognitivo juzga la calidad de un producto basándose en impresiones de productos previos. Así, Apple ha ido creando un largo historial de lanzamientos exitosos que hacen que se compre su marca poco menos que a ciegas.
Precio: el análisis del big data de Apple revela que su estrategia de precios funciona, a pesar de ser poco intuitiva: sus productos siempre tienen un precio alto y nunca hacen rebajas.
Metro de Barcelona ha implementado el sistema RESPIRA, que utiliza la inteligencia artificial para mejorar la ventilación y ayudar a controlar las infecciones por coronavirus en la red de metro de Barcelona.
Este sistema de control analiza diferentes variables, como la sensación térmica, la temperatura, la humedad, la calidad del aire interior de las estaciones y el consumo eléctrico de la ventilación. Todas estas variables se correlacionan de manera centralizada para establecer la estrategia óptima de ventilación gracias a un algoritmo dinámico basado en técnicas de machine learning.
El gran gigante de retail es capaz de analizar una cantidad brutal de datos de clientes. Sus algoritmos le permiten recolectar, analizar y utilizar una cantidad masiva de datos procedentes del historial de búsqueda y compra. Por eso, son capaces de ofrecer recomendaciones con altas probabilidades de generar una compra, optimizar los precios y la cadena de suministro y detectar los fraudes.
El secreto de su éxito está en sus herramientas avanzadas de análisis de big data, como los algoritmos publicitarios y el "Amazon Elastic MapReduce platform for machine learning".
Desde 2008, cuando superó a Gap, Zara es el mayor distribuidor de ropa del mundo. El secreto de su éxito está en su capacidad para detectar las nuevas tendencias tan pronto como surgen y enviar prendas a las tiendas más rápido para satisfacer las necesidades de sus clientes.
La cadena de suministro de Zara se sustenta en el uso de datos y análisis para realizar predicciones y tomar decisiones acertadas. Los datos proceden tanto del inventario diario y los pedidos de las tiendas como de las opiniones de los clientes.
Para poder analizar todos estos datos en bruto y tomar las decisiones adecuadas, Zara incorpora múltiples herramientas de inteligencia artificial, automatización y big data en su estrategia empresarial.
UOB Bank de Singapur es un gran ejemplo de big data para la gestión del riesgo. Al tratarse de una institución financiera, hay un gran potencial de pérdidas si los riesgos no se gestionan adecuadamente. Por eso, recientemente, en 2018, puso a prueba un sistema de gestión de riesgos basado en big data. Esto les permite reducir los tiempos de cálculo de las variables en riesgo, pasando de 18 horas a unos pocos minutos. Gracias a esta iniciativa, UOB Bank espera poder llegar a realizar análisis de riesgos en tiempo real, lo que producirá grandes ahorros en pérdidas evitadas.
La plataforma de big data y análisis en la nube empleada por PepsiCo, Pep Worx, ayuda a la empresa a aconsejar a las tiendas sobre qué productos comprar, dónde colocarlos y qué promociones lanzar.
En preparación para el lanzamiento de Quaker Overnight Oats, PepsiCo fue capaz de identificar 24 millones de hogares a los que dirigir su producto. Después, identificaron los lugares de compra que esos hogares tenían más probabilidades de usar y crearon promociones específicas para estas audiencias. Gracias a este uso de los datos para centrarse en un mercado muy específico, consiguieron un 80% de crecimiento de ventas del producto en los primeros 12 meses tras el lanzamiento.