Datos geolocalizados en una startup ¿Cómo usarlos?

Todo el mundo habla de los datos: la economía del dato, la datificación de la sociedad, los datos como materia prima, etc, en definitiva, estamos en lo que se denomina la era del dato. Hay numerosas organizaciones que usan los datos geolocalizados en una startup y están obteniendo beneficios, está demostrada su utilidad, pero otras muchas no los usan o no los aprovechan con todo su potencial.

 

Hablando de datos

Cuando se habla del dato podemos acudir a la definición de Wikipedia: “Un dato es una representación simbólica de un atributo o variable cuantitativa o cualitativa” y, por tanto, se puede inferir que cualquier organización, proyecto, producto o servicio tiene un componente básico de datos.

Se habla de grandes volúmenes de datos (big data), datos inteligentes (smart data), datos cualitativos (thick data), datos abiertos (open data) e, incluso, de datos de juegos (game data). Por ello, este artículo pretende realizar una aproximación al mundo del dato para las startups y mostrar la importancia que tiene para su desarrollo y supervivencia en un entorno de tanta incertidumbre.

 

Los datos geolocalizados

Hay muchos tipos de datos que se pueden obtener, pero podemos hablar de 3 tipos: temporales, espaciales y personales. Por tanto, un aspecto básico es la importancia de la variable geográfica en los datos. Se trata de unos datos que tienen una enorme utilidad y no siempre se usan, son los datos geolocalizados, es decir, aquellos que disponen de una variable espacial, bien concreta (geolocalización) o bien contextual (ámbito geográfico) y que permiten aportar un valor añadido a la hora de captar, gestionar y fidelizar clientes. Los datos geolocalizados son la moneda de la geotecnología.

A continuación, trataremos de acercar al mundo de las startups el uso de los datos geolocalizados en una startup.

 

Legislación y ética de los datos

Antes de nada, es importante tener en cuenta la legislación en materia de protección de datos, la RGPD, una de las más restrictivas del mundo, que trae de cabeza a las organizaciones, pero en realidad lo que hace es aportar garantías y derechos a los usuarios. Cualquier acción que realice una startup en materia de datos, debe estar asesorada por especialistas en derecho, que aseguren que se cumple la legislación y desarrollada con los principios éticos de las compañías. 

El otro aspecto esencial es el de la ética, tal y como dice Genís Roca: “los datos no se capturan, se merecen”. Hay que tener siempre presente que los datos son algo sensible y se han de tratar adecuadamente, siendo transparentes con el cliente sobre su uso y estableciendo un intercambio. Me dejas usar tus datos a cambio de algo y ambas partes estamos conformes en igualdad de condiciones. 

Por ejemplo, una startup me puede ofrecer un ebook con contenido de valor sobre un tema a cambio de mi mail y preguntándome dónde vivo indicando que, en el futuro, me enviará información que considera relevante para mí en función del lugar en que me encuentro, por el tema sobre el que me he mostrado interesado.

 

Valor económico de los datos geográficos

Tal y como explica el blog Orbemapa “los datos espaciales, geográficos y mapas en Internet entran como materia prima en las fábricas de datos. La cadena de valor de las fábricas destila los datos en variables que cuantifican, explican, predicen, o exploran fenómenos, procesos o estados. En este proceso el dato gana agencia, es decir, adquiere la capacidad de intervenir en el mundo asistiendo la toma de decisiones”.

Por tanto, si tomamos como axioma que un dato es un recurso para una organización, podemos intentar gestionarlo como tal, como si fuera un recurso económico. De hecho, simplificando mucho la teoría económica, un recurso aumenta su valor (y su precio) y sus intermediarios, conforme evoluciona por sectores: del sector primario (agrícola) al secundario (industrial), de ahí al terciario (servicios) y, finalmente al cuaternario (servicios avanzados). Por hacer un símil, siguiendo estas fases:

1. Sector primario: encontrar ese recurso (datos) en el ecosistema, crearlo o comprarlo.

2. Sector secundario: extraerlo y trasladarlo a una fábrica de datos (que puede ser importándolo a una web o alguna herramienta para gestionarlos). En una segunda fase transformarlo: analizarlo, seleccionar los más relevantes y organizarlos. En este punto también se pueden usar otros datos para dotarlo de más valor añadido. Por último, fabricarlo.

3. Sector terciario: distribuirlo y comercializarlo, llevar esos datos a otras webs, venderlos, exportarlos, etc.

4. Sector cuaternario: usar la tecnología para aportarle valor añadido.

Por tanto, ya no estamos hablando de datos como algo estático, sino que debemos integrarlos en la cadena de valor de nuestra compañía para, realmente, extraer el valor que tienen.

 

Sistema abierto de datos geolocalizados

Una forma sencilla de hacerlo es generar un sistema abierto sobre el que trabajar, para ello utilizaremos un ejemplo de una startup:

1. Entradas (inputs): qué datos geográficos tenemos, cuáles necesitamos, si podemos obtenerlos o comprarlos, etc y cómo vamos a importarlos en nuestro sistema para poder trabajar con ellos. “Nos encontramos con organizaciones impulsadas por datos que utilizan fábricas de datos espaciales en entornos tecnológicos para reunir datos geolocalizados con algoritmos y modelos matemáticos procedentes de la ciencia geográfica, la ciencia de los datos y la inteligencia artificial” (Jorge del Río).

2. Gestión: una vez tengamos los datos que queremos hay que realizar un proceso de análisis, seleccionar los más relevantes, organizarlos y automatizar procesos para su gestión. “Las decisiones informadas con datos geográficos se están transformando de un servicio resultado de un análisis espacial a un producto obtenido en una cadena de producción que está incluida en una fábrica de datos. La gestión de las fábricas de datos, con independencia de la forma que adopten SIG, IDE, DSS, BI admite varios marcos de gestión. Algunos de ellos son Agile, Scrum, Lean, Resilente, reconfigurable, Cloud, Sostenible, Web 2.0., Mix LARG, calidad” (Jorge del Río).

3. Salida (outputs): hacer que estos datos se puedan exportar en lenguajes universales y generación de paneles o dashboards que sirvan tanto para la toma de decisiones (privados), como herramienta de marketing (públicos). “La Geocomunicación está importando, probando y adaptando géneros, canales, y formatos de comunicación que proceden de áreas aparentemente tan dispares como: las relaciones públicas, el marketing, el periodismo, la comunicación corporativa, el cine, la literatura gris, el periodismo, o la visualización de datos” (Jorge del Río).

 

Tipos de datos para una startup

Otro aspecto importante es conocer el tipo de dato del que disponemos. Desde el Zero Party, donde se obtienen datos en menor cantidad, pero mucho más cualificados y de gran calidad al ser obtenidos directamente, hasta el Third Party, en el que podemos obtener gran cantidad de datos, por ejemplo, los datos geolocalizados para una startup, pero de menor calidad, al tratarse de datos agregados e inferidos de otras fuentes. Podemos dividirlos en cuatro tipos desde el punto de vista de quien genera dichos datos:

Zero Party: son datos declarativos de los consumidores recogidos fundamentalmente a través de encuestas. Por ejemplo, una startup generadora de datos obtenidos mediante encuestas directas o indirectas y en el que es imprescindible preguntar de donde es el usuario para incorporar esa variable geográfica en la cadena de valor de datos.

First Party: los datos recolectados a través de las posibles interacciones que un usuario puede realizar con cualquiera de los properties de una compañía. Por ejemplo, una startup que recoge datos del perfil sociodemográfico, el comportamiento de los usuarios y su procedencia.

Second Party: son datos que esencialmente provienen de acuerdos de compra y venta con diversos partners por enriquecimiento, intercambio o compra. Por ejemplo, una startup que enriquece los datos a través de fuentes de terceros, si sabemos el contexto geográfico se pueden buscar otras fuentes de datos segmentando a partir de la localización.

Third Party: datos procedentes de compañías que recopilan datos y comportamientos de miles de webs, y las cuales agregan para venderlos con fines publicitarios. Por ejemplo, una startup que recopila datos y comportamientos de otras compañías y a los que agrega información, un agregador puede ser por ciudad, municipio, región o estado.

Fuente: adsquare.com

 

Venta de datos

Desde el punto de vista de una startup que quiera obtener un valor económico de sus datos, se identifican tres situaciones de las que podría participar:

1. Recolectora de datos: Publishers, Redes Sociales y otras empresas propietarias de datos que venden la data de sus usuarios

2. Agregadora de datos: vendedores que comercializan bases de datos de terceros, actúan como intermediarios entre el propietario del dato y el comprador

3. Procesadora de datos: plataformas tecnológicas en las que se recolectan, se integran y se gestionan grandes cantidades de datos estructurados y no estructurados

 

Ejemplo de sistema de datos geolocalizados en una startup (Play&go experience)

Fuente: Play&go experience

 

Conclusiones

En definitiva, pensar sobre los datos geolocalizados en una startup es algo estratégico, pero además debe integrarse en la cadena de valor de la misma y participar en un ecosistema de datos para las empresas, lo que se ha demostrado que genera más ingresos y productividad y menos costes. Se trata de aprender a generar valor a partir de los datos e introducir el elemento espacial en la estrategia de las startups porque aporta un valor añadido indiscutible, no sólo por el propio dato geolocalizado, sino porque se convierte en un identificador único que permite unir cualquier tipo de dato en función de su localización y, a partir de ahí, hacerse las preguntas adecuadas para que, a través de los datos, se obtengan las respuestas más útiles para el desarrollo estratégico de una startup.