31 may 2018

Snapchat integra la publicidad basada en la localización

Traducido por Aeroterra a partir de la nota por Marianna Kantor
Nota original aquí


Con 187 millones de usuarios y contando, la plataforma de red social Snapchat atrae cada vez más el interés de los anunciantes. Ahora, la filial de Snap Inc. ha presentado dos nuevas opciones centradas en la ubicación para ayudar a los anunciantes a llegar a esos usuarios.

Según el reporte de Mobile Marketer, las compañías que anuncian en Snapchat ahora pueden llegar a audiencias específicas cuando están en ciertos tipos de lugares, así como cuando se encuentran dentro de un radio prescrito de una ubicación específica. Las nuevas ofertas de Snap reflejan la expansión del comercio móvil. La categoría, según un informe de Forrester, continuará experimentando un crecimiento anual de dos dígitos en los Estados Unidos y representará más de la mitad del crecimiento de las ventas minoristas en línea para el año 2022.

Las 150 categorías de ubicación de Snapchat incluyen lugares como playas, gimnasios, campus universitarios, estadios y cines, mientras que su orientación radial permite que los anunciantes se centren en el área alrededor de un punto específico del mapa, incluida una dirección comercial, una ciudad o una simple latitud y coordenadas de longitud.


Como muchas otras compañías líderes han aprendido, la ubicación añade contexto a la mensajería, ayudando a los anunciantes a llegar a los consumidores con publicidad relevante en el lugar correcto. Estos usos tangibles de la inteligencia de la localización por parte de otro importante jugador de redes sociales avalan su creciente papel como una herramienta crucial de marketing y análisis.

Además, un estudio reciente en Londres encontró que los anunciantes pueden aprovechar las comunicaciones en las redes sociales para comprender mejor las preferencias de los consumidores en ciertoslugares. Por ejemplo, el tema más a menudo en la mente de los usuarios de Twitter en Notting Hill podría ser museos y galerías, mientras que cerca de Mayfair, es la moda y las compras. Los anunciantes que extraen esa información de ubicación pueden orientar sus anuncios a Snapchat con publicidad relevante para esas actividades.

Sacando ventaja de la localización

De acuerdo con el anuncio en el blog de negocios de Snapchat, la ubicación es una parte clave de cómo los usuarios interactúan con la plataforma de redes sociales. Los millones de usuarios de la aplicación agregan gráficos de ubicación a sus publicaciones, descubren otras publicaciones por la ubicación y comparten sus ubicaciones con amigos. Ahora, las empresas y marcas pueden llegar a esa audiencia digitalmente en función de dónde estén físicamente estos clientes potenciales.

En su blog, Snapchat ofrece ejemplos de cómo podría ser la nueva orientación por ubicación: una marca de protección solar dirigida a los usuarios en la playa, por ejemplo, o un estudio de cine que adapta un mensaje a las personas en un teatro. Mientras tanto, la orientación por radio se podría usar de maneras convencionales, como orientar el área alrededor de una tienda en particular, o los anunciantes podrían dirigirse a todos los que visiten un determinado estadio deportivo o festival de música.

Tal como lo muestran los ejemplos compartidos por Snapchat, los expertos en marketing podrían usar esta tecnología para llegar a las audiencias cuando y donde su mensaje sea más relevante, utilizando inteligencia de ubicación para alimentar un motor de publicidad más preciso.

Ayudando a las empresas a ubicar consumidores por su cuenta

Los ejecutivos de negocios pueden seguir el ejemplo de Snapchat para incorporar publicidad basada en la ubicación en sus propias operaciones. La integración del software del sistema de información geográfica (GIS) en lasoperaciones comerciales y de marketing puede ayudar a las empresas a comprender dónde y cuándo dirigirse a clientes potenciales. Las empresas usan GIS para comprender mejor y profundizar las conexiones con los clientes actuales, identificar y desarrollar nuevos mercados, encontrar sitios ideales para abrir nuevas tiendas minoristas, medir el tráfico peatonal y crear perímetros virtuales que activan anuncios cuando los clientes están cerca.

En la economía actual, empapada de datos, las empresas a veces tienen dificultades para hacer un uso completo de sus datos. A través de GIS, las empresas pueden combinar sus propios conjuntos de datos (como los de CRM) con datos de ubicación para visualizar las conexiones entre ellos, como Jim Young de Esri observó en este artículo de WhereNext:

Un sistema de información geográfica aprovecha los mapas para ayudar a las organizaciones a entender las asociaciones espaciales dentro de la recopilación masiva de datos. Eso podría significar trazar la longitud y la latitud de dónde están las personas cuando solicitan un anuncio móvil, o deslizan una tarjeta de crédito, o se mueven entre ubicaciones. […] Esta técnica permite nuevos tipos de observaciones, que van desde ver cosas como puntos calientes o puntos fríos de tráfico, hasta anomalías que los gráficos simples no descubren.

Las nuevas herramientas de Snapchat para la publicidad centrada en la ubicación subrayan la conexión entre las ubicaciones físicas y las estadísticas digitales. Las empresas que utilizan estas herramientas y tecnología emergentes, como GIS, para ser espacialmente consientes pueden dirigirse a nuevos clientes con mensajes relevantes en ubicaciones apropiadas y llegar a clientes leales de maneras más específicas.


Para saber más sobre cómo la inteligencia de localización está transformando la industria de la venta, escucha este podcast (en inglés).

Memoria, historia y lugar: explorando geografías personales

Traducido por Aeroterra de la nota de Allen Carroll
Nota original aquí

Al igual que muchas personas que son geógrafos o que tienen una fascinación con la ubicación, siempre me ha parecido interesante pensar cómo casi cualquier ubicación tiene capas de significado. Los paisajes tienen pistas sobre su historia antigua física y natural, y sobre una más reciente pero compleja historia humana. Los paisajes también llevan un significado para las personas que los han habitado o han pasado tiempo en ellos. Las experiencias que hemos tenido en un escenario tienen un profundo impacto en cómo percibimos un lugar y la respuesta emocional que nos genera. Para una persona, la esquina de una calle puede evocar memorias felices de encuentros con amigos; para otra puede significar el recuerdo del horror de un choque de autos.


Como fundador del equipo de Story Maps, estoy entusiasmado sobre cómo la unión que lograron nuestras aplicaciones entre mapas y la narración de historias ha servido a una infinidad de propósitos relativamente profesionales. Pero he estado ansioso por ver nuestras aplicaciones utilizadas para explorar algunas de estas ideas más profundas y más subjetivas de espacio y lugar.


Por casi una década, gracias a la generosidad de mi madre y padre, nuestra extensa familia se reunía todos los veranos durante una semana o más en una posada rural en el Reino del Noreste de Vermont. La muerte de mi padre el pasado octubre, a la edad de 100 años y 9 meses, trajo recuerdos de esas reuniones. Mientras tanto, una búsqueda web aleatoria llevó al descubrimiento de una larga solicitud que proponía que el "Distrito Histórico de Darling Hill" se añadiera al Registro Nacional de Lugares Históricos. El distrito propuesto abarca nuestra posada y una franja del camino que caminamos muchas veces durante nuestras reuniones.

Había tomado cientos de fotos durante nuestras visitas, y no es sorprendente que el área sea muy fotogénica. De manera que pensé que sería interesante usar mi archivo de fotos, información de la aplicación de Registro Histórico, las capacidades de mapeo de ArcGIS Online, y nuestras herramientas de narración para explorar la historia humana de este lugar especial, incluyendo nuestros recuerdos familiares. Quería hacer honor a mis padres, pero también experimentar con cómo tejer un par de narrativas en una exploración del significado del lugar. El resultado es Darling Hill Road: Caminando a través de la Memoria y la Historia en el Reino del Noreste de Vermont.


Después de seleccionar mis favoritas de entre dos o tres mil imágenes, comencé a ensamblar la historia con una amplia estructura en mente:
  • ·        Una introducción que establece el contexto con una breve descripción de nuestras reuniones anuales;
  • ·        Un resumen del proyecto multianual de Elmer Darling para establecer y ampliar una "granja de caballeros" en Darling Hill;
  • ·        Una caminata virtual por Darling Hill Road; y
  • ·        Una breve conclusión

La caminata, que conforma el corazón de la narración, me permitió mezclar descripciones de casas y granjas con imágenes que describían estructuras históricas y representaban el ritual y la naturaleza procesional de los paseos de la familia.

Pude utilizar la capacidad de la aplicación Story Map Cascade para incorporar imágenes muy altas para incluir un mapa detallado, derivado del mapa base de imágenes de ArcGIS Online, que muestra la caminata, y los edificios a lo largo de ella, a gran escala. Un desafortunado inconveniente es que el destino del paseo está en la parte superior (o principio) del mapa. 


Idealmente, el punto de partida de la caminata habría estado en la parte superior del mapa. Pero decidí que sería demasiado confuso y desorientador dar vuelta el mapa y poner la parte sur arriba. Quizás estoy equivocado sobre esto; dime si así lo piensas.



De todos modos, disfruté armar la historia y ha sido divertido compartirla con mi familia. Durante mucho tiempo he sentido que Story Maps tiene un enorme potencial como medio creativo y como una forma de documentar, celebrar y compartir experiencias personales. He hecho mapas de historias sobre muchas de mis vacaciones familiares, incluyendo tres viajes a Escocia: a las Islas Hébridas, a la Isla de Mull, y a la Isla de Arran. Te animo a que documentes tus propias experiencias en un Story Map, y que explores las ricas conexiones entre paisajes, historias, memorias y emociones.

18 may 2018

10 motivos para aclamar ArcGIS Pro – Parte 3

Esta es la parte 3 de la serie "10 motivos para aclamar ArcGIS Pro", para ver la parte 2

Traducido a partir de la publicación de Chris North

Director, Industry Solutions, Esri Canada


Terminamos con nuestro punteo de elementos a destacar del ArcGIS Pro.

4. Mejores gráficos

ArcGIS Pro tiene excelentes capacidades de generación de gráficos. Representar tus datos a través de gráficos es una manera efectiva de comunicación, especialmente cuando se combinan dichos gráficos con mapas o diseños cartográficos. Por ejemplo, al crear un gráfico a partir de una capa del mapa, la simbología se refleja automáticamente en el gráfico. Si generás un gráfico de dispersión a partir de dos atributos de la capa, cada punto en el gráfico utiliza el símbolo de la entidad en el mapa.





3. Poderoso marco de geoprocesamiento

ArcGIS Pro en una aplicación de 64-bit. ¿Qué quiere decir esto? Entre otras cosas, esto significa sencillamente que tus herramientas de geoproceso y modelos se ejecutartán con mayor rapidez. Punto final.

El marco de geoprocesamiento ya conocido de ArcMap sigue siendo parte de ArcGIS Pro: ArcGIS Pro tiene ModelBuilder y las mismas herramientas y cajas de herramientas que antes, con la excepción de algunas herramientas específicas de ArcMap que ya no se necesitan. Además, Python también está completamente integrado en ArcGIs Pro, y tu caja de herramientas contiene herramientas, modelos y scripts, como siempre.

ArcGIS Pro guarda un historial de geoprocesamiento que es muy útil, y volver a ejecutar una herramienta es muy fácil: simplemente tenés que abrir la herramienta, cambiar algún parámetro si se requiere y ejecutar nuevamente.


2. El paso a paso de las Tareas

ArcGIS Pro introduces el concepto de tareas para ayudar a automatizar y simplificar tu trabajo. Una tarea es una especie de asistente que guía a los usuarios de manera interactiva a través de una serie de pasos en un flujo de trabajo para acciones que deben realizarse en cierto orden. En cada paso se requiere del aporte del usuario.

Puede crearse una tarea paso a paso en el Diseñador de tareas y luego grabarla. Comienza la grabación y realiza el paso una vez para que quede grabada en la tarea. Incluso se puede editar cada paso y añadir documentación.

Una tarea completada puede compartirse con otros, por lo que es una gran herramienta que permite a todos trabajar con el flujo de trabajo más adecuado.


1. Un desktop integrado

ArcGIS Pro es un GIS de escritorio totalmente integrado. Está conectado a la geodatabase corporativa de la misma manera que ArcGIS Desktop siempre estuvo conectada, y se puede seguir usando el versionado en la geodatabase corporativa. Sin embargo, con ArcGIS Pro estás conectado a muchísimo más:

  • ·       Es fácil buscar y acceder a recursos en ArcGIS Online o ArcGIS Enterprise (¡o a ambos en simultáneo!) o de otras organizaciones.

  • ·       Acceso al ArcGIS Living Atlas of the World, poniendo a tu disposición, de forma inmediata, un conjunto de datos increíbles de Esri y otros usuarios.

  • ·     Puedes trabajar con muchas herramientas listas para usar de ArcGIS Online, abriendo la posibilidad, por ejemplo, de crear una simple cuenca visual o un área de drenaje sin necesidad de una extensión desktop o incluso de un modelo digital de elevaciones (DEM).

  • ·        Puedes usar las herramientas de Enriquecer capa o de geocodificación para enriquecer tus datos. Enriquecer capa es una herramienta particularmente potente, permitiendo agregar datos demográficos desde fuentes como Environics Analytics.

  • ·    Puedes compartir mapas web fácilmente. Con ArcGIS Pro puedes publicar mapas web, capas web, herramientas de procesamiento y esceneas 3D a us cuenta para organizaciones de ArcGIS Online o portal de ArcGIS Enterprise.




 

Para concluir esta publicación no me queda más que invitarlo a explorar ArcGIS Pro. Descubra las nuevas capacidades que ofrece y comienza a utilizarlas en tus flujos de trabajo GIS de todos los días. Aprenda más sobre ArcGIS Pro y regístrate para obtener hoy una suscripción de prueba de ArcGIS.

Haga click aquí para ver la parte 1 de esta serie.

17 may 2018

Negocio impulsado por datos: evitando las dificultades

Artículo Original publicado en WHERENEXT Magazine


Por Lauren Bennett / Digital Transformation / 24 de abril de 2018

Es el comienzo del cuarto trimestre, y un minorista con cientos de tiendas en América del Norte está pronosticando las ventas del próximo año en el área de la Bahía de San Francisco. El negocio, un pionero en el área, ha establecido una presencia dominante con cuatro tiendas. Pero se espera que los competidores abran tiendas cercanas dentro del próximo año.

Los ejecutivos reconocen que las tiendas de la competencia tendrán un impacto en las ventas, y quieren incluir esos efectos en las proyecciones de ingresos. El equipo de análisis crea un modelo que analiza las consecuencias de tener una tienda de la competencia ubicada dentro del mismo código postal que su tienda. Ellos presentan los datos en un mapa para mostrar las relaciones entre tiendas.

Este enfoque sería aplaudido por la mayoría de los equipos ejecutivos. ¿Pero y si no revela toda la historia? ¿Qué pasaría si los datos desorientan a los ejecutivos, resultando en decisiones comerciales que hagan daño a la compañía estratégica y financieramente?

Lo he visto suceder. La transformación digital ha abierto nuevas puertas para las compañías, presentando un caudal de información y grandes datos. En este nuevo terreno donde los datos abundan y el análisis guía las decisiones, pequeños errores pueden llevar a un ejecutivo y a un negocio por mal camino. En este artículo, examinaremos cómo los ejecutivos pueden usar nueva información y herramientas para impulsar decisiones comerciales valiosas, al tiempo que se evitan las trampas del análisis unidimensional.

Cinco pasos para un exitoso análisis de localización

1.      Pregunta y explora: siempre comienza con una pregunta bien enmarcada;
 obtener la pregunta correcta es clave para obtener resultados significativos.
2.      Diseña y calcula: Elige herramientas de análisis que transformen tus datos en nuevos resultados. 
Pregunta al equipo de análisis sobre las técnicas que usan.
3.      Examina e interpreta: Busca explicaciones para los patrones revelados.
 Los ejecutivos deberían ser alentados a añadir su perspectiva e interpretación.
4.      Toma decisiones: Evalúa si los resultados proporcionan una respuesta útil a la pregunta original. 
A menudo, surgen nuevas preguntas que provocan un mayor análisis.
5.      Comparte resultados: Use mapas, ventanas emergentes, gráficos y tablas 
para comunicar la información de manera eficiente y efectiva.

Liderazgo basado en datos

La toma de decisiones basada en datos es un sello distintivo del liderazgo ejecutivo. En una encuesta reciente de PwC, el 39% de ejecutivos senior dijeron que la toma de decisiones en sus organizaciones es “altamente guiada por los datos”, mientras que el 53% caracterizó su toma de decisiones como “algo guiada por los datos”. Eso significa que más del 90% de los lideres comerciales están utilizando algún tipo de datos para guiar sus decisiones de todos los días.

Pero el proceso de convertir los grandes datos en decisiones basadas en datos está lleno de desafíos, y algunos se pasan por alto fácilmente. Después de todo, los datos pueden engañar. 

Si los datos son defectuosos, se analizan incorrectamente o carecen de ingredientes clave, puede llevar a los ejecutivos a decisiones cuestionables.

Como George Box, un eminente estadista, dijo: "Todos los modelos están equivocados; algunos modelos son útiles".

Decisiones ejecutivas: Tres escenarios empresariales basados en datos

En un mundo de rápida transformación digital, es cada vez más fácil confundir datos con información. Al analizar el dónde e incluso el cuándo detrás de ciertos datos, los ejecutivos pueden agregar elementos críticos a la planificación comercial. Aun así, aunque el mapeo es un paso en la dirección correcta, hay fallas para evitar. Es por eso que cada ejecutivo debe estar armado con herramientas y técnicas para convertir los grandes datos en información y acción.

¿Cuáles son las mejores técnicas para convertir datos en decisiones comerciales inteligentes y útiles? Para responder esa pregunta, exploraremos tres escenarios donde los conjuntos de datos, analizados de dos maneras, producen diferentes resultados, y podrían desencadenar en dos decisiones comerciales opuestas. Si bien los detalles son hipotéticos, cada escenario se extrae del análisis del mundo real.

Escenario comercial 1: Agregando otra variable

Examinemos un ejemplo bastante sencillo de toma de decisiones basada en datos.

En el escenario comercial que abre este artículo, un minorista de América del Norte está proyectando ventas anuales basadas en múltiples conjuntos de datos. Los ejecutivos saben que dos competidores están construyendo un total de cuatro tiendas en este mercado geográfico. El equipo ejecutivo quiere incluir el impacto de estas nuevas tiendas en las proyecciones financieras para el próximo año fiscal.

Los datos de ventas de la compañía, mapeados por código postal, son mostrados aquí, con puntos amarillos representando nuevas tiendas de la competencia:


Un miembro del equipo del sistema de información geográfica (GIS) tiene algunas reservas sobre los resultados. Ella sugiere profundizar el análisis teniendo en cuenta la distancia física entre cada tienda y su competidor más cercano. Para hacerlo, el equipo usa GIS para analizar una nueva variable: un tiempo de conducción de 15 minutos desde cada una de las tiendas de la empresa, independientemente del código postal. El mapa debajo revela los resultados.


El análisis del tiempo de conducción muestra que los competidores afectarán las ventas de forma diferente a lo anticipado. El nuevo mapa destaca que, aunque los códigos postales son una variable común de organización, pueden crear relaciones artificiales dentro de los datos. 

Después de todo, los clientes cruzan los códigos postales a voluntad, ¿por qué no los datos de la empresa?

Ninguno de los análisis presentados aquí es objetivamente correcto o incorrecto, pero todos tienen consecuencias comerciales. Una proyección de ventas menos precisa cambiará el lugar y la forma en que el minorista se comercializa a sí mismo y dota de personal a sus equipos de servicio al cliente y ventas, e incluso al surtido de mercancías para cada tienda.

La tecnología GIS y otras herramientas pueden revelar información vital, pero solo cuando los ejecutivos y analistas hacen las preguntas correctas y piensan críticamente sobre cómo analizan los datos.

Análisis de red

Una red es un sistema que representa rutas posibles de un sitio a otro. Gente, recursos y bienes tienden a viajar a lo largo de las redes: autos y camiones viajan en rutas, mientras que los aviones viajan en rutas aéreas predeterminadas. Al usar análisis de red, es posible examinar factores como el tiempo de conducción para los clientes, áreas comerciales cubiertas por una tienda, las rutas más eficientes de entrega y tiempos de respuesta para la policía y los bomberos.
Más información (inglés).

Escenario comercial 2: Haz nuevos amigos, pero conserva los viejos

A medida que las empresas experimentan una rápida transformación digital, las herramientas, técnicas y datos que pueden utilizar para su ventaja estratégica evolucionan rápidamente. 

A la vanguardia está una nueva ola de datos de clientes que está ayudando a impulsar las decisiones comerciales.

Aplicaciones móviles, en particular, han reinventado el panorama de comportamiento del consumidor y el marketing predictivo. IHS Markit, una consultora de inteligencia comercial, predice que el gasto de los consumidores en aplicaciones móviles llegará a los 74 billones de dólares en todo el mundo para el 2020, frente a los 54 billones del 2016. La firma también espera que el número de usuarios de teléfonos inteligentes en todo el mundo supere los seis mil millones en 2020, frente a los cuatro mil millones en 2016.

Claramente, las aplicaciones móviles son un gran negocio. Pero quizás aún más intrigante que su promesa de ingresos directos es el tesoro oculto lleno de datos de los clientes que pueden generar, desde información sobre los hábitos de gasto hasta una ventana a los patrones de tráfico de los puntos de venta minorista. Pero convertir los datos digitales en información comercial no es tan simple como parece.

Considera una cadena de restaurantes informal de comida rápida que ofrece un bar de ensaladas y un mostrador de servicio rápido. La compañía desarrolló una aplicación móvil que permite a los clientes acceder a descuentos especiales y realizar pedidos antes de llegar a la tienda. Varios meses después del lanzamiento de la aplicación, la compañía analizó las elecciones de los consumidores y el uso de los cupones de descuento, así como sus movimientos anónimos antes y después de visitar los restaurantes de la compañía.

Los datos mostraban que una gran proporción de los usuarios de la aplicación compraban helado suave luego de comer en las tiendas urbanas de la compañía, un hallazgo respaldado por los datos de tendencia de Google, que mostraron un creciente interés de América del Norte en el helado suave. Basado en este análisis, el equipo ejecutivo comenzó a compartir ideas para capitalizar el fenómeno del helado suave. Una solución que ellos consideraron era asociarse con una Pyme de helado suave, poniendo a prueba un esfuerzo conjunto de marketing en una ciudad de Carolina del Norte.

Para una comprensión más profunda, la compañía analizó los datos de las aplicaciones móviles para mostrar los hábitos de compra de los clientes una hora después de visitar el restaurante, y luego los mapeó para revelar qué tan lejos viajaban los clientes por el helado suave.

Este mapa muestra ese análisis inicial.


A la luz de los hallazgos, algunos ejecutivos presionaron para desplegar kioscos de helado suave dentro de la tienda a lo largo del área de la compañía. Sin embargo, otros miembros del equipo se preguntaban si ese era el camino correcto. Al examinar los datos en el mapa, notaron que quizás estaban demasiado ansiosos por capitalizar los frutos de los datos, y pasando por alto un factor clave: solo una pequeña parte de los clientes de la compañía utilizaban activamente la aplicación. A pesar de que los datos de la aplicación eran sencillos de recolectar y valiosos a su manera, no representaban necesariamente una imagen completa de los hábitos de compra de los clientes.

Para hacer un balance, la compañía agregó un conjunto de datos más tradicional, realizando una encuesta en la tienda a clientes que no utilizan la aplicación. Estos resultados mostraban que menos del 5% de los clientes estaban comprando helado suave, pero más del 15% estaban comprando café en lugares cercanos después de su comida.

Este mapa muestra cómo los conjuntos de datos combinados alteran la vista en una sola sección de la ciudad:


Al examinar la relación entre conjuntos de datos, la compañía obtuvo una visión más matizada del comportamiento de los clientes, permitiendo al equipo ejecutivo tomar decisiones basadas en las preferencias de los clientes en ciertas ubicaciones o regiones geográficas.Al examinar la relación entre conjuntos de datos, la compañía obtuvo una visión más matizada del comportamiento de los clientes, permitiendo al equipo ejecutivo tomar decisiones basadas en las preferencias de los clientes en ciertas ubicaciones o regiones geográficas.

La experiencia del restaurant muestra cómo la decisión comercial basada en conjuntos de datos aislados puede llevar a una planificación con poca visión, y cómo el acceso a los nuevos y digitales conjuntos de datos pueden exacerbar esta tendencia. Por el contrario, el análisis del espectro completo de datos, integrados espacialmente, puede revelar información valiosa y llevar a decisiones importantes en términos de desarrollo de productos, asociaciones y adquisiciones, y planes personalizados de marketing.

Agrupación basada en la densidad

La agrupación basada en la densidad utiliza algoritmos de aprendizaje automático no supervisados para detectar dónde se concentran los puntos y dónde son escasos. Los puntos que no son parte de un grupo son etiquetados como ruido. Las técnicas de agrupamiento y clasificación son ampliamente utilizadas en el aprendizaje automático, una forma de inteligencia artificial. Aprende más (inglés).

Escenario comercial 3: Presentar datos versus analizar datos

Un ejecutivo de ventas de un gran fabricante en el área de Chicago vio el potencial de la transformación digital desde el principio y creó un equipo de analistas para examinar las ventas de productos.

Uno de los analistas utilizó GIS para crear un mapa espacio temporal, que combina datos de espacio y tiempo, mostrando ventas de los últimos trimestres. La animación, que mostraba cómo las ventas cambiaban en el tiempo, era una mejora sobre los mapas estáticos que el equipo había estado utilizando, de acuerdo con el analista.

Debajo se encuentra el análisis (en inglés).


Al examinar la animación, el equipo de ventas notó patrones en los datos y concluyó que ciertas áreas estaban listas para una expansión de ventas. Estas eran inferencias racionales, pero podrían no ser útiles para el negocio a largo plazo.

Cuando observamos un mapa animado, hacemos inferencias debido a que el cerebro humano está programado para encontrar patrones, incluso cuando no haya relaciones significativas presentes. Este fenómeno es llamado “apofenia”, un término acuñado por Klaus Conrad, un psicólogo alemán. El doctor Michael Sherman, un historiador científico y autor de “The Believing Brain”, llama a la misma tendencia “patternicity”, la tendencia a encontrar patrones en datos con y sin sentido. Él ha también investigado lo que llama “agenticity”, la tendencia a infundir patrones con significado, intención y agencia.

Cuando trabajan con datos para tomar decisiones, los ejecutivos y analistas necesitan conocer los sesgos del pensamiento humano. Los datos pueden parecer directos y objetivos. Pero no son inmunes a nuestra propia “patternicity” y creencias. En el peor de los casos, los datos aportan evidencia dudosa para las decisiones que creemos correctas.
En el caso del equipo de ventas, el atractivo de una herramienta animada puede haber abierto la puerta a esos sesgos. El mismo conjunto de datos, con un análisis de punto caliente aplicado, proporciona una perspectiva mucho más rica:


Al observar este análisis espacial, podemos ver exactamente donde aparecieron nuevos puntos calientes, identificar donde se ubican los nuevos y antiguos puntos fríos, y entender, científicamente, donde están creciendo las ventas y donde están cayendo. En lugar de pedir al ejecutivo de ventas que haga juicios subjetivos, el análisis espacial potencia conclusiones más objetivas y la capacidad de impulsar decisiones comerciales claras basadas en datos.

Dependiendo del enfoque utilizado, el equipo de ventas puede dedicar recursos a diferentes áreas geográficas. El tiempo y el dinero invertidos en establecer nuevas oportunidades de ventas representan una inversión importante, que debe realizarse en base a un análisis preciso.

Análisis de puntos calientes emergentes

El análisis de puntos calientes permite que los equipos identifiquen tendencias dentro de los grupos de puntos de datos en espacio y tiempo. En lugar de dejar la identificación de patrones a las personas, el análisis de puntos calientes proporciona una visión objetiva de las tendencias, que incluye puntos calientes y fríos nuevos, intensificados, persistentes, decrecientes e históricos. Aprende más (inglés).

Hacer que los datos trabajen para el negocio

Para los ejecutivos comerciales, nunca ha sido tan importante tener una buena comprensión del análisis de datos: sus fortalezas, sus debilidades y sus aplicaciones. Al analizar los datos de forma que se aproximen lo más posible a la realidad, enfoques matizados y ricos en información, los líderes empresariales pueden predecir más de cerca las ventas, desarrollar planes de marketing a medida, asignar recursos con precisión, enriquecer ciclos de desarrollo de productos y más.

Los datos tienen un tremendo potencial para inducir al error. Pero en las manos correctas, y con las herramientas correctas, los datos tienen una infinita capacidad para revelar la verdad y llevar a mejores decisiones.



9 may 2018

¡Lanzamiento de Insights de ArcGIS 2.3! Modela conexiones de datos y realiza predicciones.

Traducido a partir de la nota por Scott Sandusky 
3 de mayo 2018
ArcGIS Blog - Anuncios

¡Disponible ahora y recién salido del horno del software! Insights de ArcGIS 2.3 está disponible con ArcGIS Online y ArcGIS Enterprise. ¿Qué hay de nuevo? Excelente pregunta. Me alegra que hayas preguntado. Aquí están las características principales.

Link Analysis te permite establecer relaciones y conexiones de vista entre elementos de datos relacionados. Esto te permite dar sentido a las asociaciones entre la gente, lugares, eventos y otras entidades. Las relaciones pueden ser descriptas por grados, cercanía o intersección. Un mapa de enlace incorpora tanto la capacidad de ver las líneas que muestran sitios conectados o, cuando muestra direccionalidad, un mapa de flujo. Aquí hay algunos ejemplos donde los gráficos y mapas de vínculos pueden ser útiles:

·        Salud: ¿De dónde vino el paciente cero? ¿Quién infectó a quién? ¿Cómo se propagó la información?
·        Inteligencia policial: ¿Dónde viven los miembros de las pandillas y dónde son arrestados? Utilizando balística y casquillos, ¿cómo circulan y son reutilizadas las armas? ¿Quién se comunica a través de redes sociales y qué tan bien están conectados?
·        Comercial: ¿Cómo apoya la fuerza de venta a los clientes? ¿Qué lugares sirve una tienda o ubicación?
·        Manufactura: ¿Cuál es la cadena de distribución? ¿Qué partes son utilizadas en el producto final? ¿Dónde han viajado los bienes?


Observa los mapas y gráficos de vínculos en acción:


Análisis de regresión, matriz de diagrama de dispersión y hacer predicciones.

Estas tres nuevas capacidades son más poderosas cuando se usan juntas dentro de un flujo de trabajo.

El análisis de regresión te permite hacer predicciones. Es uno de los modelos estadísticos y de regresión más estándar y ampliamente utilizados a los que los analistas se adhieren. Insights te permite crear una matriz devariables de gráfica de dispersión como parte de la creación del modelo de regresión, para ayudarte rápidamente a determinar un buen modelo para explicar una variable dependiente. Luego, Insights mapea las estadísticas de salida de correlación, proporcionando una forma poderosa de ver resultados. Los modelos de regresión construidos en Insights pueden ser utilizados fácilmente para hacer predicciones de tu variable dependiente, utilizando una simple experiencia de arrastrar y soltar. Aquí hay algunos ejemplos donde la nube de regresión es valiosa para ti:

·        Recursos naturales: comprender mejor qué características físicas producen un pozo petrolero exitoso, y luego predecir dónde se podría perforar un pozo similar. Modele cuándo la infraestructura necesita ser reparada o reemplazada, y luego pronostique el mantenimiento antes de que se rompa.

·        Medio ambiente: ¿Qué factores contribuyen a la contaminación del aire y cuánta contaminación habrá en el futuro?

·        Gobierno local: entender como los valores de los hogares están relacionados a la demografía, crimen, ingresos y colegios. Determine cuáles son los factores económicos que influyen en el negocio para tener éxito y dónde localizar su nuevo comercio.

Observe regresión en acción:


Estas son solo algunos de los puntos más importantes del último lanzamiento de Insights 2.3. Una lista más detallada y completa está disponible dentro de los documentos aquí (inglés) Disfruta. Y como siempre, valoramos tu opinión y queremos saber sobre tu experiencia.

¿No tienes Insights de ArcGIS? Pruébalo gratis con ArcGIS Online.