Ir al contenido
Información > Audiencias

La ciencia para dar sentido a los grandes datos

5 minutos de lectura | Clem Thompson, VP, Data Science, Nielsen | Mayo 2019

¿Has encendido la televisión hoy? ¿Y la radio? Probablemente has utilizado una aplicación en tu smartphone. Tal vez hayas comprado los ingredientes para la cena en la tienda o hayas adquirido un nuevo bote de champú por Internet.

Todas estas actividades son acciones simples y cotidianas. Pero en el vasto mundo actual, interconectado y, a menudo, digital, también son puntos de datos valiosos.

Y lo que es más importante, pueden ayudar a las marcas y a los profesionales del marketing a entender las necesidades de sus consumidores, a tomar mejores decisiones para satisfacerlas y, en última instancia, a impulsar el crecimiento de sus negocios. Pero primero, las marcas y los vendedores tienen que dar sentido a todos los datos.

El tamaño y el alcance de los datos que todos generamos en la era digital actual pueden ser asombrosos, y Nielsen mide muchos de ellos. Piense en esto: Nielsen recoge 1,7 billones de registros de visualización de televisión cada mes, 6,7 billones de transacciones en tiendas cada mes y 1,6 billones de impresiones en línea cada año. Tomar los enormes, y a veces desordenados, montones de datos generados por nuestras acciones diarias y organizarlos en información utilizable, práctica y significativa -siendo al mismo tiempo administradores responsables de los datos y asegurando la privacidad de las personas- requiere conocimientos y habilidades específicas.

Afortunadamente, las florecientes tecnologías y plataformas que proporcionan nuevas fuentes de datos para las marcas y los vendedores también están permitiendo nuevas herramientas y medios para medir y extraer información de esos datos. El papel de los equipos de ciencia de datos es buscar nuevas fuentes de datos y herramientas analíticas que puedan ayudar a analizar (y así dar sentido) a los Big Data que crean los consumidores. Mediante el uso de métodos, procesos, algoritmos y sistemas científicos, los científicos de datos están descubriendo valiosas ideas dentro de estos conjuntos de puntos de datos.

En Nielsen, aproximadamente 1.100 científicos de datos se encargan de encontrar métodos sólidos y repetibles para "conectar los puntos" para nuestros clientes y contar una historia sobre las necesidades de sus consumidores. Si bien los "puntos" en esta analogía representan los puntos de datos aparentemente ilimitados de los que disponen nuestros clientes cuando se esfuerzan por comprender a sus consumidores, son las conexiones que nuestros científicos de datos son capaces de generar las que constituyen la aportación número 1 a la toma de decisiones de nuestros clientes y el combustible para su crecimiento.

Como miembro del equipo de científicos de datos de Nielsen, trabajo en el desarrollo de soluciones personalizadas para integrar datos y crear conexiones clave para nuestros clientes. Estas soluciones incluyen fusiones de datos, segmentaciones de audiencia personalizadas, análisis de ROI y metodologías completamente nuevas para integrar fuentes de datos y responder a preguntas de negocio específicas sobre los consumidores.

No cabe duda de que las nuevas tecnologías y el Big Data están revolucionando la forma de medir el consumo de medios y productos que compramos. Pero también es importante recordar que también tienen sus limitaciones.

Las tecnologías no suelen crearse pensando en la medición. Y como resultado, los Big Data pueden estar sesgados de muchas maneras. Piensa en el mando a distancia que utilizas para cambiar de canal en tu televisor, por ejemplo. Pulsar un botón envía una señal a una caja, y esa señal genera datos. Pero esos datos son limitados en cuanto a lo que pueden decir sobre usted. Por ejemplo, no sabe si usted ha pulsado el botón o si lo ha hecho otro miembro de la familia. Los datos sesgados pueden dar lugar a una visión errónea de los consumidores y a decisiones equivocadas por parte de los vendedores.

He aquí otro ejemplo: Los dispositivos conectados a la televisión y los servicios de vídeo por suscripción -on-demand permiten a los consumidores elegir lo que quieren, cuando quieren. Pero sólo un 60% de los estadounidenses poseen estos dispositivos. Por ello, los datos de estos dispositivos no representan a toda la población estadounidense. Además, estos datos deben ser comparables con los de la televisión lineal para ofrecer una visión global del panorama televisivo.

En Nielsen, utilizamos paneles junto con Big Data para relacionar puntos de datos con personas reales. Un panel bien construido puede eliminar muchos de los sesgos inherentes a los Big Data. Por ejemplo, utilizamos nuestros paneles de televisión en Estados Unidos para representar estadísticamente a la población del país por edad, etnia y nivel de ingresos. Combinando la información de estos paneles con el Big Data que Nielsen recibe de las cajas de cable gracias a la colaboración con las compañías proveedoras de cable, podemos descubrir quién está detrás del mando. Por lo tanto, un enfoque de medición híbrido que incluye paneles y Big Data puede proporcionar la granularidad y el detalle de Big Data y ofrecer la reducción de sesgos y la representatividad de un panel.

Y con el aumento exponencial de la potencia que ofrece la inteligencia artificial (IA), nunca ha sido más importante garantizar que las entradas de datos sean limpias, fiables y representativas. No cumplir con estos criterios significa simplemente que se están produciendo mayores volúmenes (gracias a la IA) de resultados pobres. Es importante recordar que lo que entra es basura y lo que sale es basura. Los llamados datos "suficientemente buenos" simplemente no son lo suficientemente buenos en un mundo de IA.

Los propios científicos de datos también desempeñan un papel fundamental a la hora de reducir el sesgo en las mediciones. Aunque nuestros equipos de ciencia de datos incluyen a algunos estadísticos de gran talento, a muchos les sorprendería saber lo diversos que son nuestros equipos. Los equipos de ciencia de datos de Nielsen incluyen asociados con formación variada, como matemáticas, ciencias del comportamiento, ingeniería química, física, enseñanza, economía e ingeniería informática, así como muchas otras. Estas variadas perspectivas ayudan a garantizar que tengamos en cuenta diferentes puntos de vista en nuestras mediciones.

En definitiva, en el mundo actual de los Big Data, cada vez más disciplinas empresariales -ya sean finanzas, servicio al cliente, recursos humanos, análisis de medios de comunicación, etc.- están evolucionando para incorporar la ciencia de los datos en sus respectivas prácticas. Capacitar a más personas con diversas formaciones con los conocimientos básicos de los métodos estadísticos, la programación y las habilidades analíticas abre la puerta a una mejor toma de decisiones en las diferentes áreas de la empresa hoy en día.

Creo que esto es un buen augurio para el futuro de la ciencia de los datos, siempre y cuando estos nuevos participantes en el campo comprendan los sesgos y las consideraciones necesarias para extraer ideas de calidad de nuestros puntos de datos diarios.