LeanStartup & Analytics: Innovación centrada en datos

Cuando hablamos de Lean Startup, nos referimos a una metodología para innovación y desarrollo de producto que se desarrolla en tres fases fundamentales:

    • Problem-solution fit (customer development): Esta fase implica un profundo entendimiento de las necesidades del consumidor, un diagrama claro de la propuesta única de valor y un compromiso de ideación e integración en búsqueda de soluciones probables que empaten con las necesidades del usuario.

    • Problem-market fit (customer validation): Implica iteraciones creando MPV (Producto mínimamente viables) analizando el apetito de mercado ante dichas propuestas y corrigiendo previo a lanzar.

    • Scale (customer creation): Supone la sistematización de procesos productivos a escala, la automatización y cubrir el último cuarto de milla (Mix de canales de distribución, empaques, precios etc.

Este framework de desarrollo de producto, supone la interacción de diferentes metodologías, tradicionalmente tres: 1. Design thinking, 2. Lean, 3. Agile como se muestra a continuación

SINNETIC - Lean Startup

A lo largo de este continuo, se necesitan dos fuentes de información:

    • Business Intelligence: Información provista por sistemas transaccionales y relacionales de la organización como CRM, ERP entre otros. Se accede a ella mediante proyectos de analítica y ciencia de datos.
    • Market Research: Importación de información sobre mercado, competencia y consumidor. Información que los sistemas transaccionales y relacionales no producen.

De la fidelidad de esta información y su sano uso, depende en gran parte el éxito de la solución.

LeanStartup Plus

Incorporar información confiable y oportuna en cada fase de LeanStartup es una práctica no descrita abiertamente en las guías y literatura sobre el tema. Es por ello que el equipo de innovación y ciencia de datos de SINNETIC se ha unido para formular LEAN STARTUP PLUS para proponer guías claras y casos de uso específicos en donde la ciencia de datos, la investigación y la analítica puedan hacer una propuesta diferencial y propulsar los esfuerzos creativos haciendo growth hacking.

A continuación un diagrama conceptual de la propuesta metodológica

SINNETIC - Lean Startup Plus

En este planteamiento metodológico, la ciencia de datos cuenta con diferentes roles:

    • Problem-solution fit (customer development): Cada interacción con el consumidor debe alimentar un simulador, que califique las necesidades no resueltas y tensiones del mercado. Debe este simulador estar ponderado al valor de mercado de cada problema y contar con actualizaciones constantes. En este sentido la analítica prescriptiva cuenta con herramientas cómo la simulación basada en agentes.

    • Problem-market fit (customer validation): En esta dimensión, la analítica experimental juega un rol vital. Es necesario iterar con las audiencias mostrándoles dos o mas soluciones probables y comparar la línea de base (situación actual o competidor cercano) vs prototipo. La prueba de hipótesis, la aleatoridad y en general el diseño de experimentos ayudan a las organizaciones a generar "normas" predictivas del comportamiento de los prototipos de cara al consumidor.

    • Scale (customer creation): La analítica relacional tiene un rol en esta fase. Desde la segmentación de audiencias, la analítica digital del tráfico, las cookies y centineles entre otros recursos, ayudan a crear y defender audiencias para asegurar el posicionamiento de la solución en el mercado

Quisiéramos acompañarte desde el método, la investigación y la analítica en tus proyectos de innovación, entremos en contacto:

América del Sur

México y Centroamérica

Artículos Relacionados

Natural Language processing para ejecutivos de marketing

Los primeros 20 años de este siglo, se enfocaron en desarrollar tecnologías para administración y...

CONTINUAR LEYENDO

Conversación digital sobre estrés: Hallazgos desde text mining en México

Los suplementos nutricionales y vitaminas empiezan a tener un rol más proactivo que reactivo en la...

CONTINUAR LEYENDO

¿Cómo entender la inteligencia artificial - Machine learning?

En SINNETIC, nuestra unidad de servicios cognitivos, desarrolla modelos analíticos y de...

CONTINUAR LEYENDO