Mapa del mundo antiguo
Primeros bocetos de Inteligencia Espacial.

Javier Riestra es un analista de esos que tienen lo que tiene que tener un analista: ganas de entender y probar cosas nuevas para entender mejor. Ha sido analista y CMO en El Arte de Medir, es profesor en diversos títulos formativos y, actualmente, es Analista digital en una de las empresas más innovadoras e importantes de hoy y del futuro:IKEA.

Estamos en la era de los datos, de eso no hay duda. Un individuo genera miles de datos al día a través de múltiples fuentes diferentes: Dispositivos móviles, wearables, navegación online o interacciones comerciales tradicionales. Todo deja huella y todo es susceptible de ser medido y actualizado. La Location Intelligence (Inteligencia de Localización, LI) es el proceso mediante el cual recolectamos y relacionamos datos geoespaciales para resolver problemas concretos. Teniendo en cuenta que la gran mayoría de datos que se generan diariamente cuentan con  alguna referencia geoespacial, las posibilidades de este tipo de análisis cobra cada vez más importancia en todo tipo de empresas.

A continuación desarrollaré las bondades de la LI y desgranaré las tecnologías, datos y tipos de análisis que podemos llegar a realizar. Pero antes un poco de historia.

Menos novedoso de lo que parece

Si tuviésemos que ponerle fecha al primer uso de la Inteligecia de Localización para un fin no relacionado con un mero viaje, tendríamos que remontarnos al Siglo II d.C, donde el astrónomo, astrólogo, químico, matemático y geógrafo Claudio Ptolomeo empleó datos geoespaciales para planificar la expansión del imperio Romano generando datos de navegación mucho más precisos. Aunque los avances en la disciplina han sido muchos y muy significativos, el objetivo ha sido el mismo desde el primer día: la resolución de problemas concretos mediante el uso de datos geoespaciales.

Si hablamos de la Inteligencia de Localización moderna tenemos que remontarnos aproximadamente 30 años, cuando los gobiernos de diferentes países empezaron a mapear sus recursos naturales con el objetivo de poder hacer una mejor explotación de los mismos. La industria de los GIS (Sistemas de Información Geográfica) sufrieron un boom y la industria empezó a desarrollarse masivamente.

Y entonces llegó Internet. A partir de ese momento compartir datos se convirtió en algo fácil y sencillo y empresas como Google empezaron a democratizar el acceso a los mismos mediante sistemas como Google Maps. Esto permitió que diferentes empresas de Business Intelligence pudiesen fusionar datos de diferentes fuentes (demográficos, comerciales) con los datos geoespaciales, llevándonos a lo que conocemos hoy en día por Location Intelligence.

Mapa de Londres con tratamiento de datos
Análisis realizado en Carto Locations

La Tecnología

Cuando se lanzó el iPhone (y su integración con sistemas GPS) millones de dispositivos empezaron a generar datos de localización prácticamente en tiempo real. Estos datos son acumulados y multitud de empresas están haciendo uso de ellos para mejorar sus productos y servicios.

A la hora de generar esta cantidad ingente de datos la tecnología juega un papel fundmental. Lejos quedan los datos  generados de forma manual y almacenados en registros físicos. Hoy en día las tecnologías como los GPS, receptores Bluetooth o antenas Telefónicas y Wi-Fi son capaces de generar toda esta información de manera automática, mientras que los sistemas de almacenamiento en la nube y las infraestructuras de Big Data de las empresas se encargan de almacenar y procesarla.

Aunque no considero necesario tener que explicar al detalle cada una de las tecnologías implicadas, si creo conveniente detallar las ocasiones en las que una u otra pueden resultar más beneficiosas. Cuando hablamos de datos generados por dispositivos de individuos como tu y como yo, podemos hablar de:

  • GPS (Sistema de Posicionamiento Global): La precisión del GPS, con algunos metros de margen y supeditada a la conexión con los satélites, es ideal para obtener la ubicación de un dispositivo en espacios abiertos.
  • Antenas Telefónicas: Sería la alternativa a los sistemas GPS. Si un dispositivo móvil no tiene activado el GPS, las antenas telefónicas pueden triangular su posición. Es mucho menos preciso pero permite acotar la zona en la que se encuentra el dispositivo.
  • Antenas Wi-Fi: Si queremos obtener datos de posicion en localizaciones interiores tenemos que recurrir a otro tipo de señales. Los dispositivos con el receptor Wi-Fi activado son fácilmente captados por las antenas Wi-Fi que ofrecen señal. No es necesario estar conectado a dicha red, el mero hecho de que un smartphone busque señal Wi-Fi es capaz de delatarlo.
  • Receptores Bluetooth (Beacons): Son la alternativa a las antenas Wi-Fi. Con una precisión de apenas un par de metros, requieren del uso del Bluetooth del dispositivo. Su utilización está muy extendida en el sector retail.
Mapa de españa con distribución estadística
Visualización realizada con ggplot2 y R

Los Datos

Ya hemos hablado de la cantidad y la tecnología que interviene en la recolección de ciertos datos, pero ahí no acaba el proceso. A la hora generar información podemos hacer uso de diferentes tipos de datos, de diferentes fuentes y con diferentes características capaces de enriquecer nuestros análisis.

En función de la propiedad de los datos, podemos diferenciar entre:

  • Datos de primera parte: Son aquellos datos que son de nuestra propiedad. Datos generados por nuestros clientes, nuestros empleados o nuestros productos. Poniendo ejemplos prácticos. Los datos de primera parte de Uber podrían incluir datos de rutas tanto de sus clientes como de sus conductores, mientras que los de BBVA pueden incluir la ubicación de las compras con tarjeta de sus clientes.
  • Datos de terceros: Los llamados Data Partners. Son empresas que, debido a su naturaleza, generan una gran cantidad de datos de un valor muy elevado para otras empresas. Por ejemplo, los bancos ¿A que comercio no le gustaría saber en qué área vende más tu competencia? ¿A que anunciante no le gustaría saber a qué hora del día y en qué zona de la ciudad hay más concentración de personas realizando compras? Estos datos pueden venderse o llegarse a acuerdos para su cesión, siempre de manera anónima y agregada.
  • Datos públicos: Son datos de dominio público, a los que cualquiera puede acceder de manera sencilla y generalmente gratuita (o a un muy bajo precio). Sirven para dar contexto y generalmente son generados por empresas públicas. Los datos pueden comprender información meteorológica por zona, ruta de transporte público, datos censales, demográficos, catastros, etc. Algunos de estos datos generalmente no se actualizan de manera frecuente (véase los datos censales), lo que limita sus usos en algunos análisis.
Análisis realizado en Tableau
Análisis realizado en Tableau

Las Herramientas

Como en cualquier tipo de análisis, las herramientas juegan un papel fundamental, sobre todo cuando hay visualización de datos de por medio. En el caso de la Location Intelligence son varios el tipo de herramientas que podemos utilizar.

Podemos optar por opciones más enfocadas en visualizar los datos de una manera interactiva que permita descubrir nuevos insights sobre la marcha. Un buen ejemplo sería Tableau, herramienta de Business Intelligence muy enfocada en la visualización mediante cuadros de mando interactivos que ofrecen la posibilidad de filtrar y diseccionar los datos a nuestro antojo. En estos casos la información es tratada previamente en alguna herramienta de análisis, lo que requiere más pasos y planificación. Otra de las herramientas más conocidas dentro de este espectro sería Qlikview.

También existen herramientas puras de análisis, más orientadas a realizar un tratamiento avanzado de los datos. Estas herramientas cuentan con sus propias funciones de visualización, algo más rudimentarias de base pero con mucho potencial si se hace un buen uso de ellas. Será el caso de herramientas como R o Python, más orientadas a realizar análisis estadísticos o modelos matemáticos. En este caso, estas dos herramientas ofrecen la gran ventaja de ser gratuitas, con la ventaja que eso supone en proyectos de bajo presupuesto.

Por último existen herramientas que han nacido con el único fin de poder hacer Location Intelligence a un alto nivel. Es el caso de Carto, startup española (con sede en Madrid) orientada al 100% en ofrecer una herramienta de Location Intelligence. Este tipo de herramientas cuentan con lo mejor de las herramientas de visualización y de análisis de datos. Capaces de realizar análisis complejos y de adaptarse a las necesidades de cada proyecto, cuentan con un motor de visualización específicamente orientado a la visualización de datos geoespaciales, con una fuerte base de cartografía. Otras herramientas de Location Intelligence similares a Carto serían Mapbox o Maptitude.

Análisis realizado en Carto Locations
Análisis realizado en Carto Locations

Location Intelligence en la práctica

Después de tanta teoría vamos a lo interesante: los usos prácticos que podemos darle a la Inteligencia de Localización. Aunque cada empresa y sector es un mundo y no hay dos análisis iguales, voy a centrarme en uno de los ejemplos más completos: Retail.

El sector del retail es uno de los grandes usuarios de Location Intelligence por la variedad de datos disponibles. Si nos ponemos en la piel de un gran retailer tendríamos datos de venta (física y online) por código postal. Aquí ya podemos empezar a jugar con penetración por Comunidad Autónoma, región, ciudad, barrio o bajar al detalle por código postal. Identificando aquellas áreas con mayor potencial o carencias podríamos redefinir nuestra estrategia de comunicación offline (buzoneo, publicidad exterior, prensa local) o podríamos plantearnos la posibilidad de abrir un nuevo punto de venta. Si enriquecemos nuestros datos propios con datos de la competencia como la distancia entre sus tiendas y las nuestras o datos de venta proporcionados por entidades financieras el análisis empieza a ganar matices. Interesante, ¿no? pues solo hemos visto una parte.

Si como gran retailer tenemos la suerte de contar con sistemas de localización dentro de nuestras tiendas, podemos analizar el comportamiento de nuestros usuarios para poder optimizar el rendimiento de nuestros puntos de venta. Por ejemplo, podemos ver la ruta que siguen nuestros usuarios a la hora de moverse por la tienda, así podremos posicionar ciertos productos para que ganen visibilidad o para reconducir a los usuarios. Además, si contamos con un App propia, podemos hacer comunicaciones personalizadas a los clientes en ciertas zonas de la tienda y a ciertas horas del día, con todas las posibilidades que ello nos ofrece.

Pero como no solo existen grandes empresas en el sector retail, podemos apuntar que los pequeños comercios pueden beneficiarse mucho de datos públicos, como áreas de mayor concentración de perfiles demográficos que más encajen con nuestro público objetivo. Adicionalmente, si contamos con venta online, podríamos enriquecer el análisis con la ubicación de dichas ventas y cruzarlo con productos, tickets medios, etc. En definitiva, la inteligencia de localización está al alcance de cualquiera, no es necesario realizar un gran desembolso (existen tanto datos como herramientas gratuitas) y no requiere de un volumen desmesurado de datos.

 

http://blog.publilitica.es/wp-content/uploads/2017/10/location.intelligence.jpghttp://blog.publilitica.es/wp-content/uploads/2017/10/location.intelligence-150x150.jpgJavi RiestraFirma invitadaJavier Riestra es un analista de esos que tienen lo que tiene que tener un analista: ganas de entender y probar cosas nuevas para entender mejor. Ha sido analista y CMO en El Arte de Medir, es profesor en diversos títulos formativos y, actualmente, es Analista digital en una...El blog de Márketing digital para Organizaciones Públicas