bad data e_show_barcelona15
TRANSCRIPT
DataCentric (Anteriormente Schober PDM)
Daniel Ruiz y Rubén Buenvarón. Barcelona 25/03/2015
Cuidado con los Bad Data
La tendencia
La tendencia, la realidad, el reto.
La tendencia, la realidad, el reto
La tendencia: acumulación geométrica de datos
VOLUMEN
VARIEDAD
VELOCIDAD
Las 3 V´s
La tendencia: acumulación geométrica de datos
VERACIDAD
Las 5 V´s
VALOR
VOLUMEN
VARIEDAD
VELOCIDAD
Los datos que se analizan y procesan deben ser veraces,
precisos, y con ello confiables.
Debemos obtener valor a través de un
almacenamiento y procesamiento eficiente y al
menor coste posible.
¿ IT , Marketing, Business?
¿ DATA PROTECTION DATA QUALITY
MANAGEMENT ¿
La tendencia: acumulación geométrica de datos
La realidad
COMPANY DATA
EXTERNAL DATA
Datos Desestructurados
La realidad: desde los datos …
Datos estructurados
La realidad: desde los datos …
La realidad: desde los datos …
Calidad insuficiente en la estructura del “raw/primary data”:
• Direcciones postales
• Coordenadas Geográficas (x,y)
La realidad: desde los datos …
La realidad: desde los datos …
Data Issues
•Lack of validation
•Data from different sources
•Personal names
•Locations
•Dates
•Numbers
•Currencies
•Languages
•And more
La realidad: desde la sociedad…
El consumidor quiere recuperar el control de sus datos
(“el despertar de la conciencia”)
“La justicia Europea juzga ilegal la norma de
Conservación de datos”
La realidad: desde los agentes reguladores …
La realidad: desde los agentes reguladores …
El reto
El reto (I):
Visión holística / integradora del proyecto
El reto (II):
El consumido ya se protege
(… y va a querer recuperar el control el sus datos)
Las empresas deben aprender
a auto protegerse
+
MAXIMIZAR CONOCIMIENTO
BBDD Marketing
existentes Info On-Line
El reto (III):
Explotar información actual: off-line + on-line
“Smart Use” de la data en
campañas Online
El rastro de nuestra huella digital
Cookies
Permiten almacenar y recuperar información sobre
los hábitos de navegación de un usuario.
Que datos podemos usar?
1st party-data
Propiedad del CLIENTE
• Comportamiento del
CLIENTE en el website
• CRM data
• Datos de cliente y ventas
2nd party-data
Generados por la
campaña
• Data contextual del site
• Datos Transaccionales
(URL, context, above the
fold etc.)
• Predictiva (look-alike) a
partir de la 1st party-data
y /o 3rd party-data
3rd party-data
Propias / Pertenecientes a
terceros (i.e. Bluekai)
• Sociodemografica
• Intereses
• Acciones de copra
• Modelo predictivo
Retargeting (1st Party Data)
El usuarios es identificado
como “usuario cualificado”
y es tagueado con una
cookie
El usuario sigue
navegando por la web
El usuario entra en la
web de Audi Selection
Plus directamente o a
través de una campaña
de publicidad(display,
SEM…)
1 2
3
4
Mientras navega, al
entrar en un site del
publisher con el que se
ha contratado la acción
de retargeting, se le
identifica por la cookie y
se le muestran
creatividades dinámicas
y personalizadas de los
productos sobre los que
se interesó en la web de
ASP.
Impactar aquellos usuarios que han mostrado interés en nuestra web.
CRM (1st Party Data)
Integración del CRM en tecnologías (DMP) que nos permite identificarlos e impactarlos
mientras navegan.
Look-a-like targeting (2nd Party Data)
Consumidora de Activia
Interest:
Sociodemo: Sex: Female
Age: 30-54 years
Localizamos usuarios con patrones de navegación parecidos a nuestro target con el
objetivo de impactarles.
Look-a-like targeting (2nd Party Data)
Usuario que hace un test drive de A6
Interest:
Sociodemo: Sex: Male
Age: 45-54 years
Audience Discovery (2nd Party Data)
02.Territorios
03.Canales
AUDI A4 Cluster 01.Definicion
Demographic: Hombres 30-45
Content Consumption: Man Lifestyle & News
Interests: Football, Running, Travel, Personal
Finance & Family.
Entender y analizar el comportamiento de nuestro target nos permite identificar
nuevos territorios afines donde estar presentes y realizar contenido.
Intención de Compra (3rd Party Data)
Compramos datos a terceros que nos permiten impactar a usuarios que han realizado una acción
relevante para nosotros.
Identificamos e impactamos a usuarios que han realizado una petición de presupuestos de modelos competidores con el nuestro.
Cross Selling (3rd Party Data)
Identificamos e impactamos a usuarios que han realizado una reserva de vuelo a un destino en concreto, para impactarles con ofertas
de hoteles.
Mobile: Geo contextualización
Los dispositivos móviles nos permiten añadir nuevas variables a la segmentación.
Google Location History
https://maps.google.com/locationhistory
DataCentric PDM, S.A.
MADRID
Nuria, 57 (Colonia Mirasierra)
E-28034 Madrid
+34 91 382 2002
40.4924 -3.7066
www.datacentric.es
BARCELONA
Calle Valencia, 243-245
E-08007 Barcelona
+34 93 467 4800
41.3923 2.1627
www.datacentric.es
Este documento es de uso privado de DataCentric. La información contenida en este documento es legalmente privada y confidencial y está destinada únicamente para el uso de la entidad arriba indicada. Queda estrictamente prohibido cualquier otro uso, difusión, distribución o reproducción de este documento. This document is for private use of DataCentric. The information within this document is private and confidential and is intended only for the use of the company named above. Any dissemination, distribution or copy of this document is strictly prohibited.
BARCELONA :
Torre Realia. Plaça Europa, 41 14ª
L`Hospitalet de LLobregat
Barcelona 08908 Spain
+34 93 327 50 00
Fax: +34 93 204 30 76
http://www.mediacom.com