Cliente: Universidades Metodología: Open Data Mining & NLP (Natural Language Processing) Puntos de dolor / necesidad / objetivo general del cliente (Situation) Desarrollar alternativas de educación continuada poderosas y ganadoras, que atraigan la atención de posibles estudiantes es cada vez mas difícil, todo ello desde el boom de las plataformas de educación ágil y la apertura de grandes universidades globales de prestigio a abrir cursos en America Latina. ¿Cuales son las temáticas y necesidades sobre las cuales se puede formular nuevos programas de educación continuada? Metodología y dispositivos analíticos Open Data Mining en unión a NLP es una metodología que permite: USAR: La enorme cantidad de información presente en internet, lanzamiento de libros, opiniones de expertos en temáticas profesionales específicas, motores de empleo (descripciones laborales) etc. DETECTAR: Mediante uso de machine learning (Natural Language Processing) detectar patrones lingüísticos ocultos que conecten con temáticas de interés para desarrollo de programas profesionales de educación e inclusive para hacer rediseño curricular. Gran resultado general (Work underway) Portafolio de temáticas y posibles programas de educación continuada para fortalecer la oferta de servicios de las universidades. Mejoramiento curricular de programas de pre-grado y post-grado en función de las nuevas necesidades profesionales de grupos puntuales.
Cliente: Sector educativo Metodología: Open Data Mining & NLP Puntos de dolor / necesidad / objetivo general del cliente (Situation) Para focalizar esfuerzos pedagógicos y de desarrollo curricular, las universidades deben enfocarse en producir contenido y programas que den satisfacción a la demanda empresarial. ¿Cuál es esta demanda? Al analizar las ofertas de empleo, estas narran una completa radiografía de estas necesidades, indicando el tiempo de competencias y el valor salarial que una empresa está dispuesta a pagar por un profesional que acredite dichos saberes. Metodología y dispositivos analíticos Open Data Mining es una metodología que permite: USAR: La enorme cantidad de información presente en internet, inclusive las descripciones de ofertas laborales DETECTAR: Detectar y segmentar ofertas laborales según su contenido, aislando las competencias que las empresas necesitas ANALIZAR: mediante modelos predictivos cual es el valor comercial que representa en el salario de un profesional acreditar una competencia puntual. Gran resultado general (Work underway) Mapa completo de competencias demandadas a nivel sector y geografía para hacer ofertas pedagógicas con enfoque regional y sectorial Valorización de las competencias en el mercado laboral.
Cliente: Ecommerce Metodología: Open Data Mining Puntos de dolor / necesidad / objetivo general del cliente (Situation) Las empresas con estrategia múltiple en e-commerce tienen diferentes retos: Monitorear el precio de la competencia al igual que sus ejecuciones promocionales. Asegurarse que los e-commerce que exhiben sus productos lo hagan conforme la negociación pactada y respetando los intereses promocionales y gráficos de la marca. Entender que competidores tienen productos similares y hacer análisis de competencia Metodología y dispositivos analíticos Open Data Mining es una metodología que permite: USAR: Hacer scrapping a diferentes niveles de complejidad para detectar descriptores de producto, esquemas promocionales, precios propios y de la competencia entre otros descriptores de producto en la meta data de los e-commerce DETECTAR: Espacios en los e-commerce en donde las negociaciones con los comercializadores irrespeten acuerdos comerciales ANALIZAR: Dinámicas de precio y promoción en relación a competidores cercanos. Gran resultado general (Work underway) Clara comprensión de las dinámicas de precio y promoción propias y de la competencia. Auditoria de los e-commerce para asegurar que están respetando los acuerdos de exhibición y que la competencia no tiene una posición privilegiada que impida el crecimiento de nuestra marca.
Cliente: DiDi Metodología: Ci360° & Morphologyk Puntos de dolor / necesidad / objetivo general del cliente (Situation) La economía digital llegó para quedarse, las modalidades de transporte también. Una empresa como DiDi, puede crecer de dos formas: Creciendo en participación: ganando mas espacio de la torta dentro de aquellos que han adoptado ride-hailing y ridesharing como medio de transporte. Creciendo en penetración: atrayendo nuevos usuarios a la categoría agilizando los procesos para conversión en usuarios DiDi El equipo de marketing, fundó una iniciativa analítica llamada Unlock Market Penetration, esta iniciativa buscaba entender las causales que pueden predecir la no adopción de la categoría y las oportunidades que pueden motivar la conversión. Metodología y dispositivos analíticos Los no usuarios de ridehailing pueden encontrarse en entornos digitalizados y no digitalizados, es por ello que nuestro abordaje metodológico implicó: Diarios off line de movilidad para que las personas no digitalizadas reportaran sus dinámicas de viaje. Diarios on line para que las personas digitalizadas reportaran su journey. Cookie tracking para analizar cómo las personas digitalizadas navegan en internet, sus preferencias, gustos, los influenciadores que consultan y sus hábitos digitales en general. Grupos focales: para entender en profundidad cada audiencia desde sus mitos, ritos, prácticas y hábitos de movilidad. Gran resultado general (Work underway) La interacción de técnicas tradicionales de investigación en asocio a técnicas de big data, nos permitió encontrar: Cerca de 24 barreras de adopción de la categoría. Segmentos de oportunidad para ganar penetración y quitarle mercado al auto propio, la moto, los trayectos a pié y el taxi. Definir los potenciales de mercado, trayectos potenciales y volumetria estimada en cada oportunidad. Construir un simulador de penetración de mercado. Queremos acompañar tus procesos de analítica e investigación de mercados con un enfoque de MlOps y DeOps. ¿Entramos en contacto? América del Sur México y Centroamérica
