Entradas

Mostrando entradas de 2018

HOMBRE RICO, HOMBRES POBRES

Imagen
La gran mayoría de los negocios con los que he tenido la oportunidad de trabajar, a la hora de definir a su perfil de cliente, siempre se repite que va dirigido a personas con renta como mínimo igual o superior a la media, cuando no directamente a "Rentas Altas". ¿Y entonces quien se dirige a las personas de rentas medias-bajas? Recuerdo cuando trabajaba en el departamento de expansión de Brico Depot, como en el subconsciente del departamento flotaba la idea de que al abrir en zonas de rentas más altas las tiendas iban a vender más. Lo que no tenía ningún sentido objetivamente. *Batallita 1: Coincidiendo con que había comunicado mi salida de la empresa, y a unos meses de la apertura de la tienda de Majadahonda (para la que se había puesto un objetivo de ventas muy alto); me llamó el Director General a solas a su despacho, y repasamos mis estudios de los proyectos que venían y los recién abiertos. (A solas quiere decir es sin filtros: del director de expansión, ni del re

SPATIAL DATA SCIENTIST

Hace unas semanas, Geoff Boening publicó unas gráficas muy vistosas, de las orientaciones de las calles de múltiples ciudades del mundo (a él lo que le interesa es cómo ayudan u obstaculizan  estos patrones la navegación urbana). Y colgó en Github en código para replicarlo. I did a comparison of city street network orientations in major US cities, and now I've got a better sense of why I find Boston so difficult to navigate. Visualization uses Python, OSMnx, and @OpenStreetMap data. https://t.co/prINZbDh9z pic.twitter.com/YGY4VDSjZY — Geoff Boeing (@gboeing) 11 de julio de 2018 Tuvo bastante repercusión, y la red se llenó de réplicas con otras ciudades y de comentarios, más o menos absurdos comparando ciudades de distintos continentes y orígenes. A colación, por los “comentarios irritables”, y según dice, pensando que quizás debería haber esperado hasta publicar los hallazgos estadísticos de su estudio, antes de escribir en un blog una imagen preliminar ingeniosa de

LOCATION INTELLIGENCE & GEOMARKETING DASHBOARD

Imagen
Como se ha comentando asiduamente en este blog, los datos geolocalizados son el motor del Location Intelligence y del Geomarketing . Y cuantas más variables tengamos a nuestra disposición y con mayor nivel de detalle en cuanto a su localización geográfica; mejor podremos establecer relaciones entre los hechos que se dan en la interacción de los negocios o servicios con el espacio geográfico . Pero la dificultad para  acceder a estos datos de una forma sencilla , ha sido siempre la gran barrera de entrada para poder llegar a más usuarios, y para ser eficientes en los análisis a realizar. En el siguiente video se presenta en acción el  Dashboard de Location Intelligence de   StraGeo , que permite de forma sencilla acceder a un gran cantidad de variables sociodemográficas , para conocer y cuantificar un área geográfica, pasando de la opinión a los datos .

DATOS DE BANCA VS DATOS DE TELEFONÍA

Imagen
Vodafone presentó en el Mobile World Congress la nueva herramienta de Location Intelligence que va ha comercializar; desarrollada por CARTO y Geographica . Los pilares de esta nueva herramienta son los datos geolocalizados recogidos de su red de telefonía , y de sus usuarios de teléfonos móviles. En resumen nos dice quién está en un intervalo temporal determinado en un lugar determinado, y desde dónde viene (casa o trabajo). Por ejemplo, en el entorno de este centro comercial la mayor parte de los visitantes los jueves por la tarde son mujeres de entre 20 y 25 años y que vienen del trabajo... La novedad es que nos dice por dónde se mueve la gente: cuando, con que perfiles, de dónde viene y a dónde va. Esto es lo que esperamos desde hace tiempo que nos den las telecos. Por otro lado, hace tiempo que BBVA Data & Analytics comercializa #Paystats; un servicio mediante API con el que ofrece datos geolocalizados de las transacciones recogidas por sus TPVs y las tarjetas d

GEODIAGNÓSTICO

Imagen
Si gestionas una red de puntos de venta y te preguntas: ¿Qué tasa de penetración tenemos? ¿Hay potencial de mercado para crecer? ¿Dónde debemos impactar con la publicidad? ¿Dónde abro nuevos puntos de venta? ¿Que resultado tendrán mis nuevas aperturas? El GeoDiagnóstico contesta entre otras a estas cuestiones cuantificando la interacción de los puntos de venta o servicio, con el espacio geográfico en que se interactúan. En la gestión de una red de puntos de venta, el GeoDiagnóstico ayuda a conocer cuales están dando el máximo rendimiento , y cuales pueden crecer. Y ayudan a optimizar las campañas de comunicación. En un proceso de expansión , el GeoDiagnóstico ayuda a hacer estimaciones más acertadas basadas en datos reales del mismo modelo de negocio reduciendo los riesgos . Si quieres ver un caso de uso , accede aquí: GeoDiagnóstico Para más información:  https://strageo.es/geodiagnostico

VISA, Mastercard, BBVA. ¿Hablamos de datos?

Imagen
Todos hemos oído la frase de " Los datos son el petróleo del siglo XXI ", ¿verdad?. Y en una sociedad capitalista/consumista como la nuestra, en un mundo en el que todo acaba y comienza con una transacción económica, ¿quien tiene las grandes bolsas de datos? La banca es el Oriente Medio de este nuevo petroleo . Las redes sociales tienen las intenciones , y las telecos tiene aproximadamente por dónde se mueve la gente; pero las decisiones finales y los hechos pasan por el sistema financiero . ¿Y quienes son los grandes "Jeques"? Veamos unos ejemplos: Mastercard : Retail Location Insights. "Conocimientos fiables sobre el rendimiento basado en las ventas de establecimientos minoristas, aprovechando datos de transacciones de más de dos mil millones de tarjetas". VISA : "Acceda a los datos de tendencia de compra a nivel industrial y sectorial para medir el rendimiento por geografía". BBVA : "PayStats ofrece estadísticas de millones

GEOMARKETING PARA TIENDAS ONLINE

Imagen
El pasado año, en el blog de Carto apareció un post sobre lo que las tiendas online podían aprender viendo sus datos de ventas en un mapa: What Online Retailers Can Learn by Mapping Sales Data  por Devon Hopkins En dicho post, se analizaban los datos de una campaña de un sitio de comercio electrónico; campaña desplegada en Facebook, en un radio de 25 millas alrededor de lo que ellos consideraban eran las ciudades en los EE.UU. con la mayor concentración de clientes, en base a las direcciones de entrega anteriores de estos. En principio simplemente se quedaron con las ciudades que más pedidos entregaban. Inicialmente, desde Carto geolocalizaron las ventas individuales y las intersectaron con una capa de las áreas metropolitanas que ofrece el censo de Estados Unidos, para ver las ventas por área y no ceñirse  a la ciudad estricta. También compararon las áreas en las que se había hecho la campaña con las que no, para analizar el ROI de la campaña. Llegaron a la conclusión