Mauro Giordano: “La analítica digital no debe ser concebida sólo desde marketing, debe atravesar todas las áreas de una organización”
Hablamos con él de un tema clave que hay que conocer para llevar adelante un emprendimiento o una empresa: La analítica de datos. ¡Es fundamental tener claros los datos de un negocio y saber medirlos!
Imperdible esta nota con uno de los número uno del análisis digital.
Mauro, nos encantaría conocer tus comienzos y ¿por qué eliges cada día dedicarte a esto?
Desde muy chico me fascinó la computadora/ordenador, primero como fuente de juegos para pasar las tardes, y luego, gracias a Internet, como dispositivo que me permitía conectarme con cualquier persona y acceder a fuentes inimaginables de información.
Una vez, cuando estaba terminando la primaria, mi padre me enseño un artículo en un diario en el que se analizaba el volumen y velocidad exponencial de producción de datos digitales en el mundo. No recuerdo las cifras, pero sí el impacto que me causó tratar de asimilar esas magnitudes.
Tiempo después, cuando estudiaba Ciencias de la Computación, entendí que en parte programar era organizar conocimiento y procesar información. Durante la carrera (año 2012), hice uno de los primeros cursos de Coursera sobre Machine Learning y quedé completamente fascinado ante las posibilidades que tenían la matemática y la estadística de resolver problemas que un humano o sistema aplicando reglas no podría resolver tan bien. Desde ahí tuve interés por trabajar los datos y eso fue lo que luego me llevó a fundar Digodat junto con mi socio, Alan Daitch.
Hoy en día, la motivación se renueva por varios motivos. Somos un equipo interdisciplinario que se sigue agrandando en varios países de América Latina y del cual aprendo constantemente, así como también de los distintos desafíos que se presentan con nuestros proyectos y clientes.
Además, los cambios tecnológicos y la búsqueda constante en la teoría para transformar nuestras prácticas ¡no nos permiten aburrirnos!
Mauro Giordano, experto en analítica digital.¿Por qué es tan importante la analítica en una empresa?
Sin datos, las decisiones que puedan tomar las empresas quedarían supeditadas a la intuición o al criterio personal de algunas personas.
Incluso si se tomaran decisiones de esa forma, ¿cuál sería luego la manera de evaluarlas?
Llevar adelante prácticas de analítica en una empresa es fundamental para poder conocer qué está sucediendo con el negocio y qué impacto están teniendo las acciones que se toman.
Mauro Giordano, experto en analítica digital.Esto no es algo nuevo y es difícil concebir empresas que no hagan algún tipo de análisis, por más básico que sea. La discusión, en todo caso, es cuán data-driven son las compañías y de qué manera pueden transformarse digitalmente para poder mejorar sus procesos, la experiencia de los usuarios, sus servicios y sus productos.
En algún sentido, se busca eliminar los sesgos y los preconceptos de las personas para tratar de dar una visión más objetiva a partir de datos confiables. Obviamente, esto no debería ir en contra de la creatividad humana o la posibilidad de innovar, sino que debe verse como un complemento.
La analítica digital no debe ser concebida sólo desde marketing, sino que debe atravesar a todas las áreas de una organización.
Mauro Giordano, experto en analítica digital.En ese sentido, uno de los grandes desafíos que tienen las grandes empresas es lograr consolidar toda la información que ya poseen, tal que pueda ser fácilmente consumida por distintos equipos o sistemas.
Hoy en día, se apunta a lograr personalizar los contenidos, ofertas o productos para los usuarios de la manera más refinada posible. Para lograr eso es fundamental contar con la visión completa de esa persona en todos sus dispositivos y canales con los que interactúa con una marca.
¿Cómo se puede comprender la analítica si se está dando los primeros pasos en una empresa o con un emprendimiento? ¿Qué se debe tener en cuenta?
Si bien la analítica es clave en todo momento, lo es aún más en un estadío inicial de un emprendimiento, ya que en los comienzos de una start-up cada decisión podría ser la última.
Por lo general, hay muchas ideas y pocos recursos, y es importante identificar cuál es el mejor camino a seguir para poder ir pivotando el producto o la estrategia comercial en busca de lo que sea más beneficioso.
Creo que es un ejemplo claro de lo que mencionaba antes, cómo el análisis de datos puede ayudarnos a reducir el sesgo humano y tener una visión más ecuánime de lo que está sucediendo.
Toda start-up debería tener claros sus KPIs (métricas principales) y garantizar una forma de ir monitoreándolos, muchas veces los pivots más exitosos son los más impensados. Es ahí donde va a ayudar mucho tener buenas mediciones sobre qué hacen los usuarios con los productos para identificar qué características o propuestas son las que más actividad o valor aportan.
Mauro Giordano, experto en analítica digital.Eso se puede ver por ejemplo el caso de Instagram, que inicialmente era una app llamada Burbn que permitía compartir qué lugares visitaban los usuarios, ganar puntos al juntarse con amigos y compartir fotos sobre esos encuentros. Si bien la app no tenía mucho éxito, gracias a la utilización de Analytics descubrieron que la característica más utilizada era la de compartir fotos y -sumado a un poco de creatividad- terminaron iterando hasta llegar a un rediseño de lo que hoy es una de las redes sociales más populares en el mundo.
¿Cómo se puede mejorar el análisis de una empresa? ¿Qué herramientas recomiendas?
Toda empresa que tenga alguna presencia digital, sin importar el grado de penetración en su negocio, debería estar midiendo lo que sucede en esos activos online.
Google Analytics aparece como la primera opción debido a su gran cantidad de funcionalidades para medir el comportamiento en su versión gratuita.
Además, se suman todo el resto de la suite de herramientas de Google Marketing Platform:
Google Ads para pautar.
Tag Manager para implementar mediciones y píxeles.
Data Studio para armar reportes y visualizaciones a partir de distintas fuentes de datos.
Optimize para hacer experimentos, etc.
Otra herramienta muy útil es Hotjar, que permite hacer grabaciones de usuarios en las plataformas y entender mejor la UX. Existen muchísimas herramientas y tecnologías, con lo cual en cada caso deben evaluarse las necesidades y recursos disponibles.
Hay otras herramientas pagas como Adobe Analytics, IBM Digital Analytics, e incluso la versión 360 de GA que amplía sus funcionalidades enterprise y se conecta con Google Cloud para proveer los datos crudos, algo fundamental para pensar en un análisis más avanzado.
Del lado mobile, Firebase es una opción más que interesante, así como también MixPanel o AppsFlyer. Lo interesante es que muchas veces estas herramientas pueden usarse en conjunto, aprovechando las ventajas que tiene cada una sobre el resto.
Lo fundamental es la estrategia, tener un modelo de datos adecuado y poder prever de qué forma se va a activar y consumir esa información. La tecnología es necesaria pero no suficiente. Para obtener buenos resultados los datos deben ser confiables, de calidad y estar adecuadamente accesibles para quien los necesite.
Mauro Giordano, experto en analítica digital.¿Es caro realizar una analítica eficaz?
En un proyecto de analítica, podríamos dividir los costos entre las herramientas / tecnología y el equipo involucrado. Como mencionaba antes, hay muchas herramientas gratuitas que alcanzan pero requieren de cierto esfuerzo y conocimiento para poder emplearlas correctamente.
Todo depende de la escala de los datos y de qué se quiera hacer. Creo que, al final de cuentas, termina siendo más caro no hacerlo ya que se pierden oportunidades de mejora, de optimización, de disminuir gasto en publicidad y aumentar la conversión, etc.
En el SEO Day recuerdo que hablaste de Google Data Studio y Fuentes de datos, ¿qué nos puedes contar de ellos?
En esa charla sobre Business Intelligence y el procesamiento de los datos para SEO, tratamos de compartir prácticas y metodologías recomendadas para que cada organización avance en la integración de sus datos de negocio, automatizando los procesos, mejorando el análisis y permitiendo predecir comportamiento.
Quizás suena un poco utópico, pero realmente la tecnología disponible permite que se puedan empezar a prototipar cosas de este tipo de forma bastante accesible. En la charla hablé de Google Cloud Platform que tiene muchas herramientas y servicios orientados al almacenamiento y procesamiento de datos.
Por ejemplo, utilizando Cloud Storage y BigQuery puede armarse un data lake (repositorio de almacenamiento que contiene una gran cantidad de datos en bruto) al que se le ingresen datos desde distintas fuentes, ya sea a partir de conectores nativos, pagos o que pueda desarrollar cada uno (utilizando, por ejemplo, App Engine para consultar APIs de terceros). Además, podrían importarse bases propias o integrar sistemas de negocio para que directamente repliquen o envíen sus datos a la nube.
Luego el cielo (¡o más bien la nube!) es el límite: puede transformarse esa información, reorganizarse y volverse disponible fácilmente a otros equipos, a través de Data Studio o Looker si se tienen necesidades de mayor escala.
Además, la plataforma cuenta con varias opciones para armar clusters de análisis distribuido, entrenar y correr modelos propios de Machine Learning o utilizar APIs de modelos ya entrenados por Google como Vision, Translate, reconocimiento del habla, etc.
Quienes quieran incursionar en este mundo, pueden probar muchas cosas de forma gratuita. Recomiendo que aprovechen el trial inicial que bonifica 300 dólares para todo consumo por un año, al registrarse por primera vez.
Crea tu sitio web y activa tu marca personal o negocio digital.