¿Qué secretos guardan tus datos? Esta ha sido la pregunta que más frecuentemente he tratado de responder durante mi experiencia laboral.
Por Eduardo Moraga, Marco MKT
¿Qué secretos guardan tus datos? Esta ha sido la pregunta que más frecuentemente he tratado de responder durante mi experiencia laboral. Y es que no es una pregunta necesariamente sencilla de abordar. Confluyen muchos factores, como el tipo de negocio, la accesibilidad a la data, el histórico de datos, entre otros, que siempre dan el marco para poder acceder a dichas preguntas.
¿Qué secretos guardan tus datos?
Hoy en día, contamos con la posibilidad de procesar grandes volúmenes de información a una velocidad que antes era imposible con la tecnología existente. Anteriormente, trabajar con macros en Excel, programar en Visual Basic y almacenar a través de FPTs u otras tecnologías, hacían de la inteligencia de negocio un proceso complejo y muy dependiente a nivel operacional.
Sin embargo, esta realidad ha cambiado con la inmersión de nuevas tecnologías como PowerBI, Tableau, Microstrategy, a nivel de visualización, y a nivel de infraestructura con Azure, AWS, entre otras. Estos avances han permitido que los departamentos puedan dar respuestas más robustas a una industria que ha adquirido cada vez más volumetría y requiere un procesamiento rápido.
Cada industria tiene sus propias lógicas o drivers de negocio, y en este sentido, me permito mencionar aquellos indicadores que, según mi criterio, podrían ser los más recurrentes al encarar un proceso de análisis descriptivo de los datos en la industria del retail. Cabe mencionar que esta lista no está basada en un proceso de sistematización de literatura de la industria, sino en mi observación empírica a lo largo de mis años de experiencia.
Además, considerando la importancia de las inteligencias artificiales generativas en la actualidad, creo que pueden ser de gran ayuda a la hora de gestionar las preguntas que quiero hacerles a mis datos, lo que nos permite ser más productivos.
Vamos a realizar un ejercicio tomando como ejemplo una base de datos estructurada con las siguientes variables de negocio:
«A» será la venta en unidades.
«B» será el precio del producto.
«C» será la venta valor de mi producto.
«D» será el producto o SKU.
«F» será mi cadena de distribución o venta.
«G» serán mis puntos de venta.
«H» será mi stock.
«I» será el costo del producto.
«J» será el número de cliente o cliente específico.
«K» representa el tiempo (semana/mes/día), dependiendo de la apertura de la base y del tipo de agregación que se requiera realizar.
Es importante mencionar que usted puede asignar el nombre que considere más conveniente a cada letra. A continuación, describiré un conjunto de indicadores de negocio junto con su respectiva descripción y fórmula. Cuando utilice la expresión == «», es para denotar un filtro o un criterio específico. Por ejemplo, la venta valor de una cadena específica sería Σ(C) == «F».Cuando utilizo la expresión == “” es para denotar un filtro o un criterio específico. Por ejemplo, venta valor de una cadena específica sería Σ(C) == “F”
Siguiente la siguiente forma (1)KPI – (2)Descripción – (3)Fórmula
1.Venta total en unidades: La cantidad total de productos vendidos en unidades
Σ(A)
- Venta total en valor: El valor total de los productos vendidos
Σ(C)
- 3. Venta promedio por cliente: El valor promedio de compra por cliente
Σ(C) / Σ(J)
- Margen de contribución: El porcentaje de ingresos que se obtiene después de los costos variables
((Σ(C) – Σ(I)) / Σ(C)) * 100
- Ticket promedio de venta: El valor promedio de cada venta realizada
Σ(C) / Σ(A)
- Promedio de Stock* (W): Obtener el promedio de stock considerando múltiples períodos.
Σ(H) / K
- Semanas de Stock: Tasa de inventario como producto de la Venta promedio semanal en función del último stock disponible
(Σ(A)/K) /(H)
- Penetración de mercado: El porcentaje de clientes que compran un producto o una marca en particular
(Σ(J == “D”) / Σ(J)) * 100
- Recurrencia, Frecuencia y Monto: Segmenta el tipo de cliente generando 3 nuevas covariables, las cuales te podrían ayudar a reconocer grupos específicos de clientes.
R = (Fecha actual como parámetro fijo – fecha de la última compra de “J”)
F = (Contar la cantidad de veces que compró “J”, dentro de un periodo dado.
M = Venta Promedio Σ(C) / Σ(J)
- Retención de clientes: Definiendo un periodo específico: El porcentaje de clientes existentes que continúan comprando
Recurrente = Si “J” se repite más de 1 vez y su última compra data de menos de “K” tiempo.
((Recurrente) / Contar (J)) * 100
- Participación de mercado: El porcentaje de ventas que una marca o producto tiene en relación con el mercado total
(Σ(C) / Σ(C) total del mercado) * 100
- Cuota de mercado: La participación de mercado específica de una marca o producto en relación con sus competidores
(Σ(C) / Σ(C) total de la competencia) * 100
- Margen de beneficio bruto: El porcentaje de ingresos que se obtiene después de los costos de los productos vendidos
((Σ(C) – Σ(Costos de productos vendidos)) / Σ(C)) * 100
- Margen de beneficio neto: El porcentaje de ingresos que se obtiene después de todos los gastos, incluidos los impuestos
((Σ(C) – Σ(Costos totales)) / Σ(C)) * 100
- Crecimiento de ventas: El aumento o disminución porcentual de las ventas en comparación con un período anterior
((Σ(C) actual – Σ(C) anterior) / Σ(C) anterior) * 100
Puedes considerar K= Mes contra mes, Trimestre contra trimestre, año contra año, etc.
- Rentabilidad por producto: La ganancia generada por cada producto individualmente
Σ(C) – Σ(Costos asociados al producto)
- Crecimiento de clientes nuevos: El aumento o disminución porcentual de clientes nuevos en comparación con un período anterior.
Para lo anterior, tienes que definir siempre como criterio una medida que cuente o diferencia los nuevos clientes dentro de tu base de datos
Etiquetar Nuevos clientes = Contar cuantos clientes distintos hay respecto del periodo anterior (“K”)
((Σ (Nuevos clientes) – Σ(clientes anteriores) / Σ(Nuevos clientes) * 100
- 18. Efectividad de las promociones: El retorno de inversión y el impacto de las promociones en las ventas
Para lo anterior se debe definir un monto de inversión asociado a promociones
Paso1: Crecimiento de las ventas =((Σ(C) actual – Σ(C) anterior) / Σ(C) anterior) * 100
Paso 2: (Σ(Aumento de ventas debido a promociones) / Σ(Inversión en promociones)) * 100
Es muy probable que pronto contemos con asistentes de voz que nos permitan consultar directamente a nuestra fuente de datos para obtener información precisa en nuestros análisis. Sin embargo, lo que es cierto es que hoy en día la inteligencia artificial nos permite abordar estas iniciativas con mayor productividad, centrándonos en los drivers de negocio, evitando perder la brújula en el amplio mundo de los datos.
Quizás esta lista de indicadores pueda contribuir a que más personas saquen el máximo provecho de sus datos, pero lo más seguro es que las nuevas integraciones ayuden significativamente a que estos indicadores se conviertan en prompts programables, permitiendo que cualquier observador del negocio obtenga un panorama integral sobre cómo va su empresa.
Es muy probable que en los próximos meses veamos una serie de iniciativas que tomarán fuerza y serán parte de los nuevos desafíos de la inteligencia de negocios. Me atrevo a enumerar algunas:
- Integración de GPT con PowerBI y otras herramientas de visualización general, lo que permitirá insertar prompts de negocios y acceder a datos precisos de manera más sencilla.
- Los reportes tendrán puntos de interacción más avanzados que los módulos nativos de preguntas y respuestas que existen en la actualidad. Estos nuevos puntos de interacción serán programados de manera más orgánica y estarán directamente ligados a la gestión de la data.
- Hoy en día, ya es posible solicitar la traducción de los indicadores mencionados a cualquier variante de programación en herramientas de análisis. Por ejemplo, es posible solicitar la versión DAX de cualquiera de los indicadores o pedir su respectiva programación en Python, SQL, R, entre otros. Esto permite acceder a las sentencias de programación necesarias para minimizar el costo de producción de un ETL y maximizar el provecho del análisis.
Estos puntos anteriores serán muy útiles para pasar de las preguntas básicas de análisis de negocio, como «¿Qué pasó?», «¿Cuándo pasó?» y «¿Dónde pasó?», que están asociadas a los indicadores mencionados y forman parte de un primer nivel de analítica de negocio, a preguntas más avanzadas como «¿Qué pasará?» y principalmente «¿Por qué pasará o pasó?», que son propias de la analítica avanzada y la implementación de algoritmos de series temporales, clusters y análisis a priori que comentaré en una próxima nota.
Creo firmemente que ha llegado el momento de seguir compartiendo experiencias, formando comunidades y desafiándonos día a día, ya que estamos apenas en la punta del iceberg respecto a las nuevas integraciones que veremos en los próximos días.
