2. Acerca del relator
• Diego Arenas Contreras, Ing. C. en Computación,
Universidad de Talca; Dip. en Business
Intelligence y Dip. en Customer Intelligence, U. de
Chile.
• Docente en diplomado en Inteligencia de
Clientes, U. de Chile
• Consultor con vasta experiencia en proyectos BI,
Data Mining y Customer Intelligence
• @darenasc en twitter
• http://analisisbi.blogspot.com – quedará
disponible la presentación
3. • Qué es Customer Intelligence
– Relación con Business Intelligence
• Cómo aprovechar Customer Intelligence
– Data Mining y CI
• Oportunidades y Desafíos
– Incorporando nuevas tecnologías
– Ejemplo CI con Open Source
4.
5. Antecedentes
• Las organizaciones están almacenando cada vez
más datos acerca de sus clientes
• Existe una necesidad de conocer mejor a los
clientes para gestionarlos correctamente
• Los clientes demandan cada vez más
reconocimiento por parte de las organizaciones
• Se suman nuevas tecnologías y tendencias al
análisis de información
• Buena noticia! - Las herramientas para trabajar
con datos están al alcance de usuarios motivados
6. Relación con Business Intelligence
• BI se hace cargo del proceso de generación de
información relevante para el proceso de
toma decisiones
• Entrega la información correcta a la persona
correcta en el momento correcto.
Datos Información Conocimiento
Acciones
Repetibles
7. Cuando colocamos al Cliente en
el centro de nuestro proceso
de toma de decisiones,
hablamos de Customer
Intelligence
9. ¿Son todos mis clientes iguales?
¿Tienen todos el mismo valor?
¿Se comportan de la misma
manera?
10. Qué es Customer Intelligence
• Customer de Consumidor
• Customer Intelligence es hacer uso efectivo de
los datos (activo) pero centrado en el cliente o
consumidor
11. • Qué es Customer Intelligence
– Relación con Business Intelligence
• Cómo aprovechar Customer Intelligence
– Data Mining y CI
• Oportunidades y Desafíos
– Incorporando nuevas tecnologías
– Ejemplo CI con Open Source
12. Para qué sirve hacer CI
• Conocer y anticipar las necesidades de
nuestros clientes
• Gestionar eficientemente los recursos
disponibles
• Maximizar la relación Empresa-Cliente
13. CI en las organizaciones
Industrias
• Telecomunicaciones
• Banca
• Educación
• Retail
• RRHH
• Servicios
• Etc.
Oportunidades
• Prospección de clientes
• Identificación de valor de los
clientes
• Segmentación de clientes
• Fuga de clientes
• Cross-selling
• Upselling
• NBO, próxima mejor oferta,
acción
• NBA, próxima mejor acción
• Patrones en el
comportamiento
14. CI en las organizaciones
• La estrategia de Inteligencia de Clientes debe
alinearse con la estrategia de la organización y debe
estar en la medida de las capacidades de ésta
• Se deben identificar los focos principales de análisis y
comenzar siempre con el fin en el horizonte
• Es un proceso iterativo y cíclico
Recolectar
datos
Explorar
Insights
Evaluar y
mejorar
15. CI y Data Mining
Problemas
Clasificación
Regresión
Agrupamiento
Reglas de asociación
Análisis correlacional
Predictivos
(supervisados)
Descriptivos
(no Supervisados)
16. CI y Data Mining
• Clasificación:
– Fuga sí o no de clientes
– Comprará o no la oferta que deseo enviarle
• Reglas de Asociación:
– Qué productos compran los clientes en conjunto?
– Qué atenciones tienen un patrón?
• Agrupamiento:
– Por valor – RFM
– Por necesidad
• Análisis de correlación
– Satisfacción vs Comportamiento
17. Agrupamiento
- Clustering es un método para agrupar
conjuntos de datos en grupos más pequeños y
similares
- Un clúster busca agrupar datos homogéneos
dentro de un clúster y heterogéneos entre clústers
Ejemplo tomado desde clases de Introducción a Data Mining Universidade do Porto
18. Agrupamiento
La noción de clúster es ambigua
Ejemplo tomado desde clases de Introducción a Data Mining Universidade do Porto
19. Agrupamiento
¿Qué sería una agrupación natural de estos datos?
Segmentar es subjetivo
Familia Colegio Mujeres Hombres
Ejemplo tomado desde clases de Introducción a Data Mining Universidade do Porto
20. Se requieren competencias tanto
Técnicas como Analíticas
• Resolución de problemas y búsqueda de
soluciones
• Creatividad
• Práctica y estudio constante
• Preocupación en la revisión de resultados
• Capacidad de síntesis
• Interpretación de resultados
• Ética en el manejo de datos
21. • Qué es Customer Intelligence
– Relación con Business Intelligence
• Cómo aprovechar Customer Intelligence
– Data Mining y CI
• Oportunidades y Desafíos
– Incorporando nuevas tecnologías
– Ejemplo CI con Open Source
22. Oportunidades y Desafíos
• Nuevas tecnologías se desarrollan día a día y es
importante conectarlas con una estrategia de
Inteligencia de Clientes
• CI tradicional utiliza la información transaccional
disponible
• Big Data, Open Data, Text Mining, Sentiment
Analysis, Social Network Analysis son un ejemplo
23. Oportunidades y Desafíos
• Incoporar data desde las redes sociales como
Facebook y Twitter (ejemplo twitter)
• Hacer uso de los datos abiertos, p.ej.: Censo,
Casen, Presupuesto de la nación, etc.
• Portal de datos del gobierno
http://datos.gob.cl/datasets
24. Oportunidades y Desafíos
• Incorporar análisis de
redes para identificar
clientes influyentes,
hacer ofertas directas y
llegar a un grupo de
consumidores
• Análisis de sentimiento
para saber cómo hablan
de mi marca, positiva o
negativamente