Small Data y Dark Data
Small Data y Dark Data | 1
TABLA DE CONTENIDO
SMALL DATA ................................................................................................................................... 3
Transformación de datos en Información ............................................................................... 4
Análisis avanzado y predictivo ............................................................................................... 5
SMALL BUSINESS MARKETING ....................................................................................................... 6
HERRAMIENTAS DE SMALL DATA ................................................................................................... 9
DARK DATA (DATOS OSCUROS) ................................................................................................... 10
APLICACIONES DE DARK DATA .................................................................................................... 12
EJEMPLOS ..................................................................................................................................... 14
BIBLIOGRAFÍA Y ENLACES DE INTERÉS ........................................................................................ 16
Small Data y Dark Data | 2
Small Data
El Small Data es el conjunto de datos a pequeña escala generados por el negocio que
pueden ayudar a mejorar los resultados. No todas las empresas pueden acceder a grandes
volúmenes de datos (Big Data) o a la tecnología para analizarlos y explotarlos. Fruto de esta
necesidad ha surgido el Small Data que es útil para las pymes y profesionales.
Small Data es un salto de profesionalización para las pymes que pueden conocer la edad, el
status social y los hábitos de los consumidores además de sus emociones, necesidades,
sentimientos, opiniones y otros indicadores que justifican sus comportamientos.
Esta información se genera en tiempo real, lo que permite adoptar cambios de forma rápida,
pudiendo ajustar el plan de acción empresarial y potenciar los resultados.
Small Data aporta datos comprensibles que se traducen en información práctica aplicable hacia
la orientación en la toma de decisiones y la supervivencia de las pequeñas y medianas
empresas. La mayoría tienen a su disposición más información de la que creen:
Navegación online de los clientes
Comportamiento en los perfiles de red social de la empresa Interacciones a través de los
canales implementados
Small Data y Dark Data | 3
Transacciones realizadas
Información de proveedores
Transformación de datos en Información
El proceso de transformación de los datos en información es algo que necesita una estrategia y
un plan de acción. Hay que trabajar varios aspectos:
Identificación de oportunidades. Buscar las áreas de negocio para obtener
rendimiento trabajando sobre datos a pequeña escala para analizarlos y tratar de saber
qué productos generan más interés. Por ejemplo los datos de los clientes en sus visitas a
la web de la empresa.
Datos en el proceso de producción. Plantear un proceso desde que surge una
oportunidad hasta que se cierra una venta en el que se puedan establecer puntos de
control para medir indicadores. Por ejemplo un embudo de conversión en una tienda
online.
Inversión en tecnología. La tecnología necesaria para explotar la información que
permita capturar datos en producción, almacenarlos y conectar diferentes servicios y
sistemas para su análisis y explotación.
Formación de los empleados. Trabajadores que sepan detectar las oportunidades y
procesarlas en información útil para la gestión empresarial.
Small data está muy unido al comportamiento neurológico del consumidor. El Big Data
consiste en encontrar correlaciones mientras que el Small Data se preocupa por las causas, las
razones detrás de las cosas. Considera que no todo se puede medir con cifras y puede aportar
valor y complementar con el Big Data teniendo en cuenta las emociones1 de los consumidores.
1. Martin Lindstrom
Small Data conecta a personas con datos recientes y concretos que poseen un significado y que
están estructurados para ser fácilmente accesibles, entendibles y manejables.
Small Data y Dark Data | 4
La mayoría del conocimiento que se necesita se puede conseguir de un conjunto reducido de
datos. Para ampliarlo hay que analizar los aspectos sobre los que queramos tener ese
conocimiento e integrarlos de forma paquetizada como diferentes subproyectos Small Data:
Datos internos o datos resultantes de procesos de manipulación de datos de ventas,
estudios de seguimiento del CRM), registros de compras, etc.
Datos públicos de los competidores, listas públicas u orígenes de datos en los que
estamos sindicados.
Datos de encuestas u otras interacciones de los clientes.
Análisis avanzado y predictivo
Para llegar a la gestión de una gran cantidad de datos (Big Data) se puede empezar
utilizando las técnicas de análisis avanzado y predictivo en un conjunto de datos mucho
más pequeña (Small Data) que requiere una inversión menor y prepara para el cambio,
permitiendo asentar las bases de la estructura necesaria para maximizar el ROI de una
futura inversión en plataformas de análisis de Big Data si fuera necesaria.
El análisis avanzado es el uso de estadísticas y técnicas matemáticas para la obtención de las
ventajas del ‘Big Data’ pero que pueden ser utilizadas en un conjunto más pequeño de datos
para:
Small Data y Dark Data | 5
encontrar patrones en los datos de clientes
predecir el impacto de los programas de marketing
optimizar las inversiones en marketing de la organización
Con el análisis avanzado se puede identificar no solo qué va a pasar sino también las líneas
estratégicas. La mayoría de empresas se encuentran en la fase Basic Data que abarca
diferentes niveles:
Organizaciones que han implementado un sistema de medición básico y consultan los
datos de manera esporádica sin ningún fin concreto (el análisis de las clásicas métricas
para el negocio: número de vistas, descargas de una app, seguidores en los canales
sociales, etc).
Empresas que han desarrollado un sistema de analítica básico pero tienen un dashboard
estratégico donde analizan el ROI de sus campañas. El objetivo es pasar de la basic data
al Small Data.
Small Data puede ayudar a explorar el nicho de mercado para diseñar campañas digitales
orientadas y optimizadas a un público determinado. Esta técnica es muy útil para pasar del
remarketing o retargeting a otro tipo de estrategias más avanzadas como el RTB (Real Time
Bidding), el clustering, el semillado de cookies...
Small business marketing
Los datos que poseen las Pymes de clientes, ventas, pedidos, producción... es un volumen
suficiente para realizar un análisis que les permita la mejora de sus procesos y su actividad.
Ejemplo. En una hoja de cálculo con 1.000 clientes y 20 columnas de información existen más
de 5 millones de datos: un small data. La transformación de datos en insights (conocimientos)
precisos y relevantes para la toma de decisiones es incuestionable.
Small Data y Dark Data | 6
La idea de los pequeños datos es decisiva para el éxito del marketing. La estrategia de
marketing debe estar basada en el análisis de los datos adecuados atendiendo al público
objetivo de cada negocio. Se pasa de una visión macro-datos a otra de mayor segmentación y
aproximación teniendo en cuenta los beneficios que Small Data puede proporcionar para
tomar decisiones de Marketing1. 1. EJ McGowan, director general de Camaigner
Entre los ejemplos de cómo Small Data que pueden ayudar a conocer mejor el mercado están:
Identificar la diversidad de la demanda del cliente
Determinar si el tamaño de un mercado es suficiente para un nuevo producto Cómo
desarrollarse o expandirse en un mercado
Qué estarían dispuestos a pagar los consumidores por un producto Cuáles son los precios
de la distribución
Cuáles son los mejores canales para la distribución
Cómo mejorar el producto y/o sus ventas atendiendo a las particularidades locales
Qué fuentes de materiales están disponibles y dónde.
Ejemplo. En las etiquetas inteligentes Small Data puede proporcionar información para su
localización y otros atributos de un determinado medicamento y conocer los motivos por los que
los medicamentos caducan o se deterioran.
Internet de las cosas (IoT) es una realidad cada vez más extendida. Es un recurso útil por
ejemplo para conocer patrones de comportamiento y hábitos de los clientes y sus preferencias.
Los resultados del análisis de datos mediante Small data aplicados a la estrategia empresarial
pueden ayudar a una toma de decisiones más ágil, a controlar y estandarizar la información y a
ser más eficientes. Las ventajas que aporta small data son:
consolidar la información multi-origen en un entorno cada vez más divergente de
sistemas, operativas y productos.
tener una visión 360º del cliente.
estandarizar KPIs y métricas de negocio. analizar variables operativas.
Small Data y Dark Data | 7
Para la explotación inteligente de la información hay cinco aspectos a tener en cuenta:
Imagen Corporativa. El nombre comercial, el logotipo, los colores que identifiquen la
marca forman parte del core business de cualquier negocio y el marketing es fundamental
para desarrollarlo. Con la perspectiva de las pequeñas cosas que ayudan a generar
estrategias de marketing (color, logo, palabras) se genera el small business marketing.
Conocer al Cliente. Mientras mejor se conozca a las personas que se tratan a diario y a
las que se vende y de las que depende el negocio mayores serán las posibilidades de
saber qué, cómo y cuándo lo quieren.
Servicio al Cliente. Un factor clave es la forma en que se trata al cliente. Un cliente
inicia su experiencia de marca desde el primer momento en que conoce la empresa.
Administración de Clientes. Mientras mejor se haga mejores serán los resultados.
Llevar una ficha de datos de cada uno de los clientes es imprescindible:
qué compran cada cuándo
qué productos o servicios usan más
cuándo es o debe ser su próxima visita cuándo es su cumpleaños
a quién te ha recomendado
cuáles son sus intereses sus datos generales
Sirve para poder hacer seguimiento, mantenerlo informado de las promociones sobre los
productos o servicios preferidos para que cuando nos visite podamos atenderle más rápido y de
forma más personalizada...
Generar valor. La mejor recomendación posible es generar valor real para el cliente.
Cualquier cosa que añada valor a la gestión de los servicios redundará positivamente en la
capacidad de fidelizarlo. Small data marketing busca las pequeñas cosas que crean valor
en los clientes: satisfacción, calidad y sentimiento positivo.
Small Data y Dark Data | 8
Herramientas de Small Data
El software para el análisis Small Data permite recoger información para tomar decisiones
de marketing y de compra. Cada vez que nos registramos, hacemos una búsqueda,
navegamos, publicamos algo... se crean pequeños conjuntos de datos con una firma única
que deja entrever nuestro estado físico y digital. Esto es lo que registran y procesan las
aplicaciones y herramientas de small data.
Small Data trabaja con software OLTP (Procesamientos de datos en línea) y EDW (Enterprise
Data Warehouse) para la gestión y análisis de los datos sobre DBMS (Sistemas de Gestión
de Bases de Datos). Los sistemas de gestión de bases de datos más usados son MySQL,
Microsoft Access, SQL Server, FileMaker, Oracle, RDBMS, dBASE, Clipper y FoxPro.
Una estrategia de Small Data apuesta por centrar el foco en el cliente y (a través de
herramientas TIC) establecer una relación cercana que reporte la información que aporta valor y
cuyo análisis se puede aplicar de forma rápida.
El análisis Small Data forma el nuevo núcleo de CRM que se utiliza para crear un panorama
completo de clientes, segmentos, personas influyentes (influencers) e incluso competidores.
Permite combinar las perspectivas de los canales sociales (redes sociales) y las campañas con el
análisis Web y los datos transaccionales. El Small Data es la clave para crear estos perfiles que
formarán la parte central de las nuevas soluciones data CRM.
El software también permite validar el ROI en sistemas y campañas de marketing. El nuevo
modelo de marketing basado en Small Data revoluciona la forma en que las empresas
interactúan con los clientes, transforma la forma en que los clientes acceden y consumen (e
incluso llevan) datos útiles y redefine la relación entre compradores y vendedores.
Los consumidores han visto el potencial del Small Data para optimizar sus compras, potenciar
su actividad física o hacer recomendaciones sobre el mejor precio para su próximo vuelo. Los
próximos dispositivos basados en datos más inteligentes y portátiles prometen una mayor
demanda de dispositivos de datos configurados y de entrega de datos que se ajusten a las
necesidades de los consumidores.
Small Data y Dark Data | 9
Los beneficios de una estrategia de Small Data residen básicamente en:
Aprovechar y emplear las herramientas de análisis de Big Data.
Mantener una relación más directa con el cliente y tener en cuenta su opinión. Tomar
decisiones más rápidas por la escucha activa.
Poner una base sólida a la estrategia de marketing en el entorno digital.
Avanzar en la interpretación de los datos para incorporar nuevas opciones.
Las herramientas son las mismas en las que se apoya el Big Data pero utilizadas de forma más
segmentada y personalizada. Una estrategia de Small Data cuenta con:
Elementos de análisis y medición de datos como Google Analytics o Google Trends
focalizados en el negocio y público objetivo y en el uso de herramientas SEO para el
posicionamiento en nuestro entorno más local.
El papel fundamental del Community Manager para la gestión y la escucha activa en redes
sociales y el diálogo con los clientes.
La importancia de tener en cuenta el factor humano no solo se centra en las opiniones
sino también en los gustos y emociones de nuestra comunidad.
Dark Data (datos oscuros)
Datos oscuros (dark data) son los obtenidos a través de operaciones en la red informática
que no se utilizan. Son los datos de información que se recopilan, tratan y almacenan
durante las actividades empresariales que no utilizan para otros fines (estadísticas,
relaciones empresariales y monetización directa)1. Pueden ser de tres clases:
Datos que existen en un formato accesible que no han sido utilizados.
Datos que están en poder de la empresa pero se encuentran en formatos que es muy
Small Data y Dark Data | 10
costoso procesarlos.
Datos que no son capturados o que se encuentran fuera de su rango de actuación de la
empresa.
Algunas categorías de información que se pueden considerar como Dark Data son:
información diversa que deja el cliente en sus relaciones con la empresa. archivos de
registro (log files).
información de antiguos empleados.
datos sin procesar de encuestas realizadas. registros de llamadas de clientes.
coordenadas de geolocalización.
registros de todo tipo de sensores. cadenas de correos electrónicos.
1. Gartner
Small Data y Dark Data | 11
Fuente: EMC digital e IDC (2016)
Aplicaciones de Dark Data
Datumize Kosmos captura desde cualquier sistema de software los datos oscuros que
Small Data y Dark Data | 12
necesita para detectar oportunidades perdidas y mejorar las operaciones. No es intrusivo y
no requiere modificar las aplicaciones existentes. Capta el comportamiento del cliente
utilizando datos operativos que las empresas están perdiendo y que contienen un alto valor.
Permite:
Tener la capacidad de acceder a las búsquedas realizadas en su sitio y las respuestas
dadas a sus clientes.
Obtener una visión en tiempo real en su embudo de ventas mediante la comprensión de
los movimientos críticos en línea.
Puede integrarse con cualquier herramienta analítica de Qlik con una simple integración
de un paso.
Los datos capturados pueden ser almacenados localmente en la nube directamente en sus
servidores, con las soluciones de 3ª parte o en una de sus soluciones seguras Datumize.
Los datos capturados pueden revelar las tendencias y anomalías de relieve dentro de sus
redes internas en tiempo real en el momento adecuado.
Conectar los mundos online y offline mediante la creación de un entorno. Aumentar las
ventas por atender mejor a las necesidades de sus clientes.
Disminuir los costes mediante la creación de un solo mundo (online u offline).
Small Data y Dark Data | 13
Cualquier cambio podría afectar a los ingresos y la reputación. Captura datos sin modificar los
sistemas críticos. El procesamiento de datos en tiempo real en escalable y el motor ultra ligero
está diseñado para funcionar con una gran variedad de hardware. Las actividades habituales
incluyen filtrado, selección inteligente y compresión de los datos capturados.
Ejemplos
Los avances en el reconocimiento de patrones, análisis de los sentimientos, procesamiento
del lenguaje natural y toda una serie de otras ciencias de datos han transformado el mundo
desde el punto de vista tecnológico
El almacenamiento de datos y la tecnología de recuperación ha mejorado de manera
similar, especialmente en los campos de los sistemas de archivos distribuidos y bases de
datos NoSQL soluciones (tales como Mongo DB).
La hipótesis sería que podemos conectar todas las cámaras, cada teléfono móvil, todo el
acceso a Internet... en un solo sistema distribuido y empezar a capturar grandes volúmenes
de datos.
Ejemplos de Small Data.
1º Turbina eólica contiene varios sensores para determinar la dirección y velocidad del viento,
temperatura, vibración y otros atributos de interés. Las hélices de la turbina pueden ser
programadas para recalibrarse automáticamente ante condiciones cambiantes del viento en
función de la información alimentada al instante a través de Small Data.
Small Data y Dark Data | 14
Estos volúmenes de Small Data (una batería de Small Data por turbina) son incorporados un
pool de datos de mayor volumen (Big Data) donde algoritmos de procesamiento de datos
permiten descubrir tendencias y pautas de comportamiento. Estas pautas pueden revelar
información de rendimiento de ciertos mecanismos en base a su histórico de mantenimientos.
Por ejemplo, cómo el viento y las condiciones meteorológicas afectan al desgaste de los
componentes de las turbinasdesagregar la información para conocer el tiempo de vida útil de
una pieza concreta de la turbina.
2º Etiquetas inteligentes en frascos de medicinas. Small Data puede ser usado para
determinar la ubicación del frasco, el estado del sello de la botella, las condiciones de
temperatura y humedad de la ubicación.
Agregando las secciones de Small Data a un volumen de Big Data se pueden ejecutar
algoritmos de análisis para, por ejemplo, determinar la raíz de la causa por la que una medicina
se ha deteriorado o caducado: ¿Es debido a una compañía de transporte o a un comercializador?
¿Son problemas recurrentes que apuntan a un fallo en la cadena de suministro?
Resolver problemas como estos puede suponer un gran ahorro. Small Data permite saber qué
hace el objeto que está siendo analizado. Si lo que se quiere es saber por qué está haciendo eso
Big Data es lo que se necesita.
Ejemplos de Dark Data.
1º Las cámaras de seguridad de una tienda pueden ofrecer mucha información acerca de los
compradores analizando sus gestos y expresiones. Con una tecnología que sea capaz de aplicar
analítica al vídeo y al audio en tiempo real se abre un universo de posibilidades para estudiar
sobre la marcha el comportamiento del cliente y ofrecer la respuesta oportuna.
2º Analizando los sonidos que se producen en el interior de las cañerías podemos recabar
información sobre su funcionamiento y prevenir averías, algo que pueden aplicar las refinerías.
3º Persons of interest (serie de ficción norteamericana). Una importante empresa de
tecnología con dificultades financieras propone al gobierno de Estados Unidos construir un
sistema informático inteligente, conectado a cada cámara de tráfico y de policía del país, leer
todos los correos electrónicos, escuchando cada llamada telefónica, el seguimiento de cada
persona y la predicción de los que son posibles amenazas a la seguridad nacional. Esto
configura la imagen de Persons of Interest.
Small Data y Dark Data | 15
Bibliografía y enlaces de interés
[Link]
negocio/
[Link]
[Link]
[Link]
[Link]
tbm=isch&sa=X&sqi=2&ved=0ahUKEwjt1Mv4oLXTAhWHzxQKHZo5DikQ_
Small Data y Dark Data | 16
