Por qué calidad de los datos es fundamental para la inteligencia procesable Retail

De pie en la cocina, con la receta en la mano, te encargas de hacer una tarta de manzana. En la encimera están los ingredientes: la masa de la tarta, las manzanas (rojas deliciosas), el azúcar (moreno) y las especias (canela, nuez moscada, clavo). Tienes las instrucciones. El horno se está calentando.

¿Qué sabor tendrá la tarta terminada? ¿Será el resultado de su cocción la clásica tarta de manzana americana? ¿Tendrá el aspecto y el olor adecuados? Las respuestas a estas preguntas dependen de la calidad del horneado, del proceso y de los ingredientes. Un desliz aquí o allá -como el ingrediente equivocado- significa que no habrá un postre delicioso para usted.

En retail, al igual que en la repostería, la calidad de los ingredientes es importante. En lugar de manzanas y especias, tenemos visibilidad en tiendas y visibilidad en línea. Si la información es incorrecta, es mucho más difícil ejecutar una activación de la pantalla, reajustar el precio para proteger los márgenes o aplicar una política de MAP .

Se trata de una falta de datos de calidad.

Las empresas atribuyen a una mala calidad de los datos una media de 15 millones de dólares en pérdidas anuales, según un estudio de Gartner. A mayor escala, IBM informó de que la economía estadounidense en su conjunto pierde 3,1 billones de dólares al año debido a una mala calidad de los datos.

¿Sabe si los datos de los que depende son de alta calidad?

¿Qué es la calidad de datos?

calidad de los datos es su percepción de que los datos son adecuados para servir a su propósito. Que los datos se consideren o no de "calidad" depende, en parte, del uso que se quiera hacer de ellos y de que sirvan para la toma de decisiones. Además, los datos son de calidad si son una representación exacta de la fuente de esos datos.

Por ejemplo, los datos de alta calidad de retail podrían ser información a nivel de estantería que se confirme que procede de las tiendas correctas y que incluya fotos de las estanterías. O bien, podría ser el porcentaje de SKU de la competencia que puede igualar en línea al recopilar información sobre los precios de la competencia.

En resumen: Los datos de alta calidad son precisos, valiosos y trabajan para usted, no en su contra.

Ebook destacado

Guía para fijar precios en línea a través de los datos

Descargar ahora

Ebook destacado

Cómo resolver el problema de recopilar datos de internet

Descargar ahora

¿Por qué es importante la calidad de datos?

Las ventajas de calidad de los datos se reducen a un juego de números. Los datos de alta calidad pueden dar lugar a más clientes, más ventas y más beneficios. A menudo es más fácil comprender la importancia de retail calidad de los datos si se mira desde la dirección opuesta.

Según el vicepresidente de Gartner, Ted Friedman, "a medida que las organizaciones aceleran sus esfuerzos en el negocio digital, un calidad de los datos deficiente es uno de los principales responsables de la crisis de confianza en la información y del valor empresarial, lo que repercute negativamente en los resultados financieros."

Además, la falta de datos de calidad es también una gran pérdida de tiempo. Forrester informó de que los analistas de datos pueden dedicar hasta un 40% de su tiempo a examinar y validar los datos antes de que se pueda confiar en ellos para la toma de decisiones.

Si no valida sus propios datos de antemano, puede perder tiempo y dinero. Gartner señaló que las empresas han experimentado un aumento de los costes, la ineficacia, los riesgos de cumplimiento y mucho más debido a suposiciones incorrectas quienes somos la calidad de sus datos. Podría encontrarse fácilmente con un escenario en el que toma una decisión basada en datos de baja calidad, y luego se da cuenta de que la información era incorrecta y tiene que volver a la fase de planificación para empezar de nuevo.

La regla 1-10-100

Este escenario se ilustra con la regla 1-10-100, desarrollada por primera vez por Yu Sang Chang y George Labovitz a principios de los años 90.

La regla 1-10-100 representa el impacto financiero de una mala calidad de los datos y el crecimiento exponencial de los costes asociados a la falta de corrección a tiempo. El 1 puede representar 1 dólar, o lo que cuesta validar los datos antes de que se utilicen para influir en cualquier decisión empresarial. El siguiente es 10 dólares, o el coste de corregir los datos incorrectos cuando ya se han infiltrado en la empresa. Y 100 son 100 dólares, o el coste significativo para una empresa si los datos deficientes no se identifican ni se rectifican en absoluto.

El objetivo de la regla 1-10-100 es demostrar el aumento exponencial de los costes financieros en función del momento en que se eliminan los datos de baja calidad del proceso de toma de decisiones. Es más barato -y más fácil- solucionar los problemas en el momento en que se recogen los datos. Es más caro arreglarlos más tarde, y es significativamente más costoso no abordar nunca calidad de los datos dentro de su negocio.

Por lo tanto, el pequeño coste de validar sus datos en retail o de adquirir datos validados merece la pena, porque esos costes sólo aumentarán si se espera.

Cómo recopilamos los datos

Tenemos varias técnicas y elegimos una u otra en función del tipo de dato. Todas ellas incluyen una fase de revisión y validación; así nos aseguramos de ofrecer datos útiles, reales y de calidad.

Datos de tiendas físicas

Para recoger información de tiendas físicas usamos una aplicación propia que conecta a las tiendas con consumidores de EE. UU., Reino Unido y Canadá. Contamos con una red de más de 700 000 compradores que:

• Responden preguntas sobre el entorno de venta.
• Dan su opinión sobre los exhibidores, la comercialización y los vendedores.
• Hacen fotos de las tiendas y los lineales.
• ¡Y mucho más!

El valor del crowdsourcing móvil para realizar auditorías en retail tiene varias ventajas. La aplicación móvil le conecta con una red más amplia de compradores que otros métodos de recogida de datos, lo que aumenta potencialmente el número de respuestas a la encuesta y el tamaño de la muestra. Los datos pueden recopilarse casi en tiempo real, ya que las auditorías de retail suelen arrojar datos en una semana o menos. Además, las auditorías pueden configurarse en gran medida en función de sus necesidades, ya sea profundizando en tiendas, productos y estantes específicos o dirigiéndose a un segmento más amplio de consumidores para obtener opiniones generales sobre el sector.

Todos los datos se agregan y se comparten con usted a través de un panel de control en línea personalizado para facilitar la visualización y el análisis.

Datos de tiendas web

En el caso de retail, Wiser rastrea la web en busca de datos relevantes y procesables que le permitan tomar decisiones más informadas en línea con sus estrategias de precios, promoción y comercialización. Muchas organizaciones complementan estos datos de retail con información recopilada en la tienda por una fuerza de trabajo de crowdsourcing, para que tengas la visibilidad que necesitas para actuar con confianza.

En muchos casos, los datos se recopilan rastreando cientos o miles de sitios web en busca de datos sobre precios, promociones, etc. Sus productos pueden compararse con los de la competencia para obtener una comparación de precios u otros detalles quienes somos ese artículo. Wiser captura datos relacionados con el precio, por supuesto, pero también el nombre del producto, la marca, el color, el MPN, el UPC, el SKU y otros detalles relevantes.

Al igual que con los datos de las tiendas físicas, todos los datos en línea se agregan y se comparten con usted a través de un panel de control en línea personalizado.

Wiser es sinónimo de calidad de datos

Wiser se toma increíblemente en serio calidad de los datos . Además de todos los beneficios de los datos de alta calidad en general, el mundo de retail también se enfrenta a la realidad de que lo que constituye datos de calidad puede cambiar a cada minuto. Retail es de ritmo rápido, y los datos que tiene sobre las tiendas, los estantes, los precios y sus competidores podrían ser rápidamente obsoletos.

Esto significa que los datos de Wiser deben estar a la altura de este sector para seguir siendo precisos y valiosos. Para conseguirlo, supervisamos de forma proactiva las métricas de calidad de los datos para identificar y corregir cualquier problema antes de que llegue a su negocio.

Para todos los datos de las tiendas, tenemos un equipo interno de validadores de datos que revisan la información para confirmarla:

• Que los compradores hayan estado en la tienda.
• Que, además, estaban en la tienda correcta.
• Que las fotos son útiles.

En el caso de los datos de sitios web, nuestros analistas mejoran constantemente la tasa de coincidencia, es decir, cuántos productos del catálogo están en un determinado dominio o en todos los sitios web. Los analistas revisan constantemente la información para:

• Asegurarse de que no falte ningún SKU.
• Garantizar que la coincidencia sea exacta.
• Comparar la cantidad real de coincidencias con la cantidad potencial.

Si bien se trata de una herramienta fundamental, hay otros parámetros que también te pueden ayudar a obtener información de calidad de las tiendas físicas y los canales digitales. Esos parámetros son:

Pero solo es la punta del iceberg. Para saber si los datos son de calidad, tienes que complementar esa herramienta con los tres parámetros anteriores. Perfeccionar el proceso continuamente nos permite recopilar datos cada vez más exactos y variados para que puedas confiar plenamente en la calidad de la información.

Conclusión

¿Son precisos mis datos? ¿Benefician a mi empresa? ¿Puedo utilizarlos para tomar decisiones y apoyar nuestros objetivos empresariales? Con los datos de calidad de Wiser, la respuesta es sí, sí y sí.

Wiser Solutions' calidad de los datos iniciativas se crean para proteger sus inversiones y contribuir directamente a sus KPI, gracias a:

• Nuestro equipo de validación humana.
• Nuestros algoritmos y aplicación móvil.
• La colaboración de un grupo externo de validación.
• Una política institucional centrada en parámetros de calidad de datos, entre ellos, la tasa de coincidencia.

quienes somos Con Wiser, no tendrá que preocuparse de la calidad de los datos que llegan a su escritorio. Con muchas capas de revisión y validación entre la recopilación de datos y el análisis, se eliminan los valores atípicos y las imprecisiones para que pueda dedicar más tiempo a actuar sobre los datos. Nunca satisfechos, Wiser investiga e implementa constantemente soluciones más avanzadas y completas para garantizar la calidad en todos los conjuntos de datos.

¿Por qué recurrir a Wiser para obtener datos fiables sobre el comercio minorista y en línea retail ? Porque, al igual que una compleja receta horneada con los ingredientes equivocados, el producto final no dará en el blanco. Sólo que, en lugar de tartas de manzana, el producto final es su negocio. Cualquier organización basada en datos necesita sólo los mejores datos, más precisos y fiables del mercado. Estamos dispuestos a discutir cómo podemos darle esos datos de alta calidad retail .