{"id":5201,"date":"2019-09-13T12:07:01","date_gmt":"2019-09-13T10:07:01","guid":{"rendered":"https:\/\/letsrebold.com\/blog\/entrevista-a-jawinda-payano-para-el-anuario-investigacion-data-y-analytics-2019\/"},"modified":"2022-08-01T09:43:54","modified_gmt":"2022-08-01T07:43:54","slug":"cuestionario-anuario-investigacion-data-y-analytics-2019","status":"publish","type":"blog","link":"https:\/\/letsrebold.com\/es\/blog\/cuestionario-anuario-investigacion-data-y-analytics-2019\/","title":{"rendered":"Entrevista a Jawinda Payano para el Anuario Investigaci\u00f3n, Data y Analytics 2019"},"content":{"rendered":"

Entrevista Anuario investigaci\u00f3n, data y analytics 2019<\/strong><\/h3>\n

\"\"<\/p>\n

 <\/p>\n

Jawinda Payano, directora comercial de Rebold Analytics y Custom Data Solutions habla sobre el dato como pilar de crecimiento en El Publicista Especial Investigaci\u00f3n 2019<\/p>\n

 <\/p>\n

 <\/p>\n

1.- \u00bfC\u00f3mo ve el sector de la investigaci\u00f3n de mercados <\/strong>y del data analytics en la situaci\u00f3n econ\u00f3mica y social que estamos viviendo en Espa\u00f1a y a nivel global? \u00bfC\u00f3mo evolucionar\u00e1 el negocio de esta industria y sus diferentes actores en 2019 y 2020?<\/strong><\/p>\n

Vemos el sector con un gran crecimiento y grandes oportunidades para las empresas. \u00a0La manera en que las marcas interact\u00faan con los consumidores ha cambiado en los \u00faltimos a\u00f1os, ya que los consumidores ahora juegan un papel mucho m\u00e1s activo y proactivo en esa relaci\u00f3n. \u00a0Probablemente uno de los factores que m\u00e1s ha contribuido en el cambio que se ha producido en la forma de consumir, ha sido la tecnolog\u00eda.\u00a0 Con este reto, mayor es la necesidad para las empresas de contar con suficientes datos que le permitan maximizar la eficiencia de cada touchpoint con el usuario; y es por esta raz\u00f3n que cada vez es m\u00e1s importante medir, analizar y automatizar.<\/p>\n

Esta evoluci\u00f3n ofrece grandes oportunidades de crecimiento, primero para las marcas y segundo para empresas como la nuestra que se basa en los datos, ya sea desde la investigaci\u00f3n o desde el data analytics:<\/p>\n

–\u00a0Los datos y tecnolog\u00eda permiten tomar decisiones mejor informadas<\/u>, mayor agilidad y sobretodo minimizar los riesgos en tomar estas decisiones.\u00a0 Los datos permiten simular escenarios para ver el impacto de tus decisiones en negocio. Por ejemplo si quieres lanzar una l\u00ednea de\u00a0productos de beauty, skin-care: \u00bfqu\u00e9 ventas estimadas tendr\u00e1s si decides poner un pricing a un nuevo producto de 60\u20ac o 40\u20ac o 20\u20ac ? en funci\u00f3n de muchas otras variables, de mi marca, de lo que hacen los competidores…<\/p>\n

– Tambi\u00e9n permiten maximizar la eficiencia de la inversi\u00f3n<\/u>: gracias a los datos, la manera de comunicar ha evolucionado de promover el producto que desde negocio se decida, al producto m\u00e1s relevante para cada usuario en tiempo real; incrementando drasticamente primero las tasas de engagement con la marca, as\u00ed como las tasas de conversi\u00f3n.\u00a0 El an\u00e1lisis de los datos nos ha permitido pasar de la comunicaci\u00f3n masiva a la comunicaci\u00f3n personalizada escalable.<\/em><\/p>\n

– Y finalmente tambi\u00e9n permiten aprender, obtener una mejora continua e insights:\u00a0<\/u>lo que queda registrado se puede analizar, y este an\u00e1lisis permite entender qu\u00e9 ha ido bien, que puede mejorar, y por lo tanto un aprendizaje y mejora continuos.<\/p>\n

 <\/p>\n

2.- \u00bfCree que el nivel de inversi\u00f3n que dedican las empresas a investigaci\u00f3n orientada a marketing y negocio est\u00e1 en l\u00ednea con las necesidades que demanda la realidad y el escenario actual? \u00bfHay futuro para una empresa sin investigaci\u00f3n y data science?<\/strong><\/p>\n

– Vista la evoluci\u00f3n reciente y comparado a\u00f1o a a\u00f1o, es evidente que la inversi\u00f3n en estas \u00e1reas se ha incrementado, y de hecho en empresas que antes no destinaban presupuestos a estas \u00e1reas; empiezan a darse cuenta de la necesidad de apostar por ello y aunque t\u00edmidamente empiezan a hacerlo; los resultados avalan que esta partida presupuestaria sea always on e incremental; pero la pregunta que har\u00eda es \u00bfTiene \u00e1reas de mejora? S\u00ed.\u00a0 No se trata s\u00f3lo de si el nivel de inversi\u00f3n es alto o bajo, tambi\u00e9n es necesario trabajar mucho m\u00e1s en que permeen a todas las \u00e1reas de la empresa, los beneficios que aportan los insights obtenidos tanto desde proyectos de investigaci\u00f3n como de data analytics. Hoy en d\u00eda muchos de estos proyectos de investigaci\u00f3n y analytics se encuentran en \u201csilos\u201d. Falta trabajar m\u00e1s en la integraci\u00f3n de \u201cinsights\u201d a trav\u00e9s de disciplinas, datos, y tecnolog\u00edas para obtener mayor valor y cuando esto ocurra el incremento en la inversi\u00f3n de estos proyectos fluir\u00e1 de manera natural.\u00a0 Tenemos que empezar a sacar el m\u00e1ximo partido\u00a0 a un estudio de investigaci\u00f3n de consumidores, a un perfilado de audiencias para la segmentaci\u00f3n y activaci\u00f3n; O bien, \u00bfC\u00f3mo combinar los datos de estudios de consumidores o de sus perfiles digitales, m\u00e1s los estudios de touchpoints o los modelos de atribuci\u00f3n digitales, para ayudar a crear una planificaci\u00f3n \u00f3ptima de inversi\u00f3n de forma \u00e1gil?<\/p>\n

 <\/p>\n

3.- \u00bfCree que las empresas est\u00e1n obsesionadas por medirlo absolutamente todo lo que les rodea o es una necesidad real que impone el actual escenario?<\/strong><\/p>\n

– S\u00ed que hay ciertas voces que abogan por \u201cmedirlo absolutamente todo\u201d. Pero lo importante es empezar a dar pasos en la direcci\u00f3n adecuada e ir evolucionando.\u00a0\u00a0 En nuestro sector empezar por todo, suele terminar en nada o como dice una cita c\u00e9lebre: \u201cNo todo lo que se puede contar cuenta, y no todo lo que cuenta puede ser contado\u201d. <\/em>Esto es as\u00ed. <\/em><\/p>\n

El coste de medir absolutamente todo desde el principio podr\u00eda ser desproporcionado, con lo que deja de tener sentido desde el punto de vista de negocio. El reto es priorizar y para ello en Rebold utilizamos una planificaci\u00f3n en funci\u00f3n de la escala de madurez de cada cliente, dise\u00f1ando as\u00ed una estrategia en evoluci\u00f3n y por fases que nos permita ir consiguiendo hitos y avanzando, y al mismo tiempo demostrando, que conseguimos beneficios a un coste razonable.\u00a0 El objetivo es dotar a las empresas de las herramientas para tomar decisiones \u00e1giles, automatizar algunas decisiones o procesos, hacer m\u00e1s eficientes los procesos, sintetizar insights que nos permitan aprender, mejorar y lograr objetivos de negocio\u2026<\/p>\n

 <\/p>\n

4.- \u00bfRealmente es necesario saber todo sobre sus consumidores en tiempo real? \u00bfNo hay otra forma de tener conocimiento para tomar decisiones \u00e1giles y eficaces?<\/strong><\/p>\n

No es necesario, pero tampoco se puede saber todo sobre un consumidor; tal como hemos hablado, es necesario priorizar aquel conocimiento que nos permitir\u00e1 marcar una diferencia, es decir, lograr los objetivos de marca o bien optimizar esfuerzos. La norma del 20%-80% no? El 20% de conocimiento que permita generar el 80% de la mejora de negocio. Uno de los grandes retos es saber cual es este 20% \u00a0y ah\u00ed es donde desde Rebold ayudamos a las marcas, en extraer conocimientos, insights que permitan hacer mucho m\u00e1s eficientes la toma de decisiones, sin necesidad de saber absolutamente todo de cada uno de los usuarios.<\/p>\n

 <\/p>\n

5.- Dicen que si el objetivo es conocer la intenci\u00f3n, el motivo y el c\u00f3mo, hay que hacer investigaci\u00f3n de mercado. Pero que si lo que preocupa es el qu\u00e9, entonces entramos en el terreno del big data \u00bfEst\u00e1 de acuerdo con esta afirmaci\u00f3n?<\/strong><\/p>\n

Probablemente habr\u00e1 alg\u00fan tipo de contexto que se me escapa; pero desde nuestra experiencia no estamos de acuerdo con esta afirmaci\u00f3n.\u00a0 Hoy en d\u00eda desde Rebold utilizamos t\u00e9cnicas de planificaci\u00f3n estrat\u00e9gica, con insights de consumidores, de marcas, de puntos de contacto\u2026 tradicionalmente ubicados en el \u00e1mbito de la investigaci\u00f3n; donde dependiendo del contexto y el cliente, hemos utilizado estrategias de big data, integrando 1st party con 2nd y 3rd party data.<\/p>\n

Adicionalmente hay nuevas tecnolog\u00edas y metodolog\u00edas, como el consumer-based modelling, que usamos en Rebold, que se basa en t\u00e9cnicas basadas en big data. Por ejemplo, utiliza consumer modelling, behavioral economics, network science, machine learning\u2026 \u201ctradicionalmente\u201d ubicadas en lo que llaman el terreno de big data. \u00a0Desde Rebold sacamos el m\u00e1ximo partido a la convergencia de disciplinas, para obtener los mejores resultados para nuestros clientes<\/strong>.<\/p>\n

 <\/p>\n

6.- \u00bfCu\u00e1les son las claves para que ambas vertientes convivan y aporten valor a las empresas?<\/strong><\/p>\n

Tres claves principales: lo primero los perfiles. Es necesario contar con expertise distintos para aportar valor en los proyectos. Desde data engineers, data science, perfiles de investigaci\u00f3n, matem\u00e1ticos y analistas, y sobretodo visi\u00f3n de negocio.<\/p>\n

Lo segundo es ya la propia estructura de las empresas, en algunas empresas algunas de estas disciplinas est\u00e1n \u201caisladas\u201d en departamentos distintos, formando \u201csilos\u201d. Y es necesario fomentar la colaboraci\u00f3n entre ellas, a\u00fan en distintos departamentos, para combinar los skills necesarios y lograr objetivos comunes.<\/p>\n

Y la tercera que depende de tener las dos anteriores; la flexibilidad de poder adaptar una disciplina o la otra en funci\u00f3n de necesidades o viabilidad del cliente; pero para ello, necesitas contar con el expertise y el equipo necesario en ambas.<\/p>\n

 <\/p>\n

7.- \u00a0Hoy por hoy las empresas anunciantes esperan una medici\u00f3n y control de su entorno m\u00e1s completa, que incluya todo aquello que ellos manejan, tanto off como online \u00bfEst\u00e1 dando esta respuesta la industria de la investigaci\u00f3n de mercados o queda mucho pro evolucionar?<\/strong><\/p>\n

S\u00ed, se est\u00e1 empezando a dar respuesta. Pero tambi\u00e9n queda mucho por evolucionar. Hoy en d\u00eda hay muchas plataformas de integraci\u00f3n de datos y visualizaci\u00f3n que facilitan la labor. Algunas de estas plataformas se est\u00e1n convirtiendo en muy \u201cuser-friendly\u201d, en todas las fases de un proyecto, desde su configuraci\u00f3n, hasta su uso. Esto es ideal, ya que de este modo se \u201cdemocratiza\u201d el mundo de la medici\u00f3n. Desde la creaci\u00f3n de un proyecto de medici\u00f3n hasta su uso \u201cmasivo\u201d en el d\u00eda a d\u00eda. Uno de los mayores retos viene por la necesidad de perfiles espec\u00edficos. Por ejemplo, ofrecer una visi\u00f3n de negocio que simplifique la concepci\u00f3n de proyectos de este tipo (a veces se hacen m\u00e1s complicados de lo que se requiere), los oriente a necesidades reales seg\u00fan usuarios. Combinados con perfiles t\u00e9cnicos que apoyen en la m\u00e1xima automatizaci\u00f3n de los procesos y proyectos. Y otro gran reto viene por la naturaleza en \u201csilo\u201d de los datos en las compa\u00f1\u00edas hoy. As\u00ed como en el mundo financiero se ha recorrido mucho camino para disponer de cuentas de P\u00e9rdidas y Ganancias unificadas, con datos relativamente unificados\u2026 en marketing y comunicaci\u00f3n todav\u00eda queda camino por recorrer. Pero llegar\u00e1 porque las empresas que trabajamos en ello, cada d\u00eda evolucionamos hacia la medici\u00f3n integral.<\/p>\n

 <\/p>\n

8.- La dimensi\u00f3n que est\u00e1 cobrando el big data para las empresas es una oportunidad para los actores del sector de la investigaci\u00f3n de mercados \u00bfC\u00f3mo se debe interpretar, adaptar y reconducir ese big data hacia las necesidades reales de las compa\u00f1\u00edas?<\/strong><\/p>\n

Creo que lo hemos cubierto\u2026\u00a0 Se trata de identificar las necesidades REALES, separar la paja del trigo vaya. Se requiere de experiencia para conceptualizar y valorar muy bien los outputs que se quieren lograr, y las oportunidades\/expertise que aportan distintos tipos de disciplinas para llegar a ellos. (Integrando negocio, investigaci\u00f3n, tecnolog\u00eda, data engineers, data science\u2026 ). Valorar el \u201ccoste-Beneficio\u201d de los proyectos o sus partes y priorizar. Y combinar perfiles distintos necesarios para llegar a un objetivo com\u00fan.\u00a0 Pero el big data no se reconduce; existe de manera natural en cada empresa y lo que tenemos que hacer es \u201cgestionarlo\u201d para poder extraer los insights que nos permitan dar respuestas a las necesidades de la compa\u00f1\u00eda; y para gestionarlo, necesitas de un equipo con experiencia que apoye en este proceso.<\/p>\n

Nuestra primera recomendaci\u00f3n para nuestros clientes, es empezar por extraer todo el partido posible a los datos propios; porque en la mayor\u00eda de los casos est\u00e1n infrautilizados y posteriormente abrirnos a la multitud de opciones que est\u00e1n a disposici\u00f3n en el mercado<\/p>\n

 <\/p>\n

9.- El fraude suele ser la principal amenaza de las marcas cuando se habla de data aplicada al marketing o la publicidad \u00bfC\u00f3mo se debe distinguir una data real y cualificada que aporte un valor real a las empresas y marcas?<\/strong><\/p>\n

Para dar respuesta a esta pregunta habr\u00eda que empezar diferenciando y separando entre fraude y datos que no aportan valor para una necesidad espec\u00edfica, porque se suele confundir y son cosas totalmente diferentes; en la mayor parte de las ocasiones lo que ocurre es que el dato tal y como lo recibimos no funciona para dar respuesta a la necesidad que tenemos; y hay mucho m\u00e1s de esto que de fraude en el mercado.<\/p>\n

La clave para evitar ambos casos, est\u00e1 en la Experiencia<\/strong>, porque te permite distinguir y evaluar el valor real de los datos y es mucho m\u00e1s f\u00e1cil de lo que se cree evaluar si un dato te aporta valor o no.\u00a0 Probablemente para las marcas que no hayan trabajado con datos o lo hagan de manera muy superficial; esta sea la primera duda que les surja; sin embargo; una vez empiezas a trabajar sobre los datos, vas adquiriendo la experiencia para identificar qu\u00e9 tipo de datos y con qu\u00e9 granularidad lo necesitas.\u00a0 Desde Rebold asesoramos a las empresas en esta evaluaci\u00f3n, gracias a nuestra experiencia en la gesti\u00f3n de datos y proyectos basados en big data.<\/p>\n

En resumen, las claves para poder hacer una evaluaci\u00f3n de si los datos nos aportan valor, son :<\/p>\n