Privacidad diferencial, reforzando la confianza para impulsar la economía del dato.

La explotación de datos personales representa una gran oportunidad. Por ejemplo, ahora podemos recoger información precisa sobre nuestros estilos de vida para estudiar cómo se relaciona con distintas enfermedades, lo cual nos permitirá movernos hacia una medicina preventiva. También podemos analizar nuestros desplazamientos para mejorar el tráfico de las ciudades… Además, como consumidores, las marcas podrán cubrir nuestras demandas de inmediatez y personalización o recomendarnos que producto elegir en un mercado que se caracteriza por una oferta abrumadora.

En definitiva, podemos encontrar soluciones a retos complejos explotando un recurso que ahora es abundante: los datos personales.
El lado oscuro de la explotación de estos datos es que, aunque un dato aislado parezca inocuo, cuando se combina con otros datos y se pasa por el tamiz de los algoritmos el resultado puede ser intrusivo, discriminatorio o excluyente.  Por ejemplo, hay un caso que ha alimentado la imaginación de los directores de marketing de los grandes supermercados sobre lo que pueden llegar a saber de nosotros. Se trata de un hombre que se entera por el cajero del supermercado de que su mujer está embarazada. Y el supermercado lo sabe no porque se lo haya dicho la mujer, sino porque han analizado sus hábitos de compra, sus búsquedas, etc. Lo que este ejemplo nos dice, es que todos esos datos pueden revelar información que no queremos hacer pública como nuestra orientación sexual, creencias religiosas, ideología política…

El problema de fondo no es tanto que cedas tus datos, sino cuál es el uso que se va a hacer con ellos cuando los transformen en información unos algoritmos que para el común de los mortales son magia.

Partimos de que no hay marcha atrás, que toda esa tecnología que nos facilita la vida, y a la que no pensamos renunciar, también deja un rastro de datos personales susceptibles de ser explotados. La pregunta relevante por tanto es: ¿cómo conseguir los beneficios sin que se produzca una pérdida de privacidad?

Algunas empresas, en el mejor de los casos, buscan anonimizar los datos eliminando información que pueda identificarnos. Esto en general es suficiente. Pero, dependiendo de la naturaleza de los datos que se manejen, habrá que ir un paso más allá. Hay una anécdota de un gobernador de Estados Unidos que, tras impulsar una ley para anonimizar datos médicos, recibió a los pocos días una carta con su historial médico en el buzón. Alguien, combinando su código postal con otros datos, había sido capaz de identificarlo.

La buena noticia es que se trata de un problema conocido y durante los últimos años se ha trabajado sobre ello. Así, desde 2005, se han producido avances en una disciplina estadística que busca maximizar la información de un grupo de individuos minimizando el conocimiento particular de cada uno de ellos. Aplicado al caso que nos ocupa es lo que se denomina “privacidad diferencial”. Y esta aproximación es la que permite, por ejemplo, que podamos ceder nuestra información genética para investigar el cáncer sin que ni tan siquiera los investigadores sepan que participas en el estudio.

Pero, ¿en qué cosiste? Nadie mejor que Cynthia Dwork, una de las mentes detrás de esta técnica estadística, para explicarlo. Supongamos que queremos saber si en la universidad los estudiantes copian en los exámenes. Para ello preguntamos a los alumnos, pero lo hacemos del siguiente modo: les pedimos que respondan a un cuestionario pero que antes de empezar tiren una moneda al aire sin que nadie les vea. Si sale cara dicen la verdad, si sale cruz vuelven a tirar la moneda… y si vuelve a salir cruz entonces mienten. Cuando todos los alumnos han llevado a cabo el cuestionario, aplicando ingeniería inversa se puede saber, con escaso margen de error, el grado en el que los alumnos copian, pero sin saber si un alumno concreto lo ha hecho.

Si trasladamos este ejemplo a la explotación de datos personales por parte de las empresas, lo que haríamos sería meter en origen aleatoriamente “ruido” – información falsa o incompleta – en los datos capturados y almacenados por las empresas. Luego, después de aplicar ingeniería inversa, podrán ser analizados llegando a unos resultados similares a los que hubiéramos obtenido sin haberlo hecho. ¿Y por qué es importante esto? Porque se alcanza privacidad de extremo a extremo. Generar datos aleatorios en origen evita que la propia empresa o un posible hacker sepa si la información almacenada sobre uno es veraz. Por otro lado, también evita que una vez anonimizada esta, podamos volver a ser identificados como en el caso del historial médico del gobernador antes referido.

La privacidad diferencial es algo que ideó Microsoft y que utilizan otros gigantes de la industria como Apple, pero no está al alcance de cualquier empresa. Se trata de un asunto candente en la industria porque afecta no sólo a aquellos que desarrollan algoritmos, que ahora deben replantearse cómo los diseñan, sino también para los que tienen la intención de monetizar el dato a través de plataformas de venta de datos, APIs o en forma de insights. Nos encontramos en definitiva con un enfoque diferente que requiere un esfuerzo significativo para aquellas organizaciones que quieran adoptarlo.

Pero más allá de soluciones ingeniosas como la privacidad diferencial, encontrar una respuesta a la difícil pregunta de cómo beneficiarnos de la información personal sin renunciar a parte de nuestra privacidad va a requerir un cambio de mentalidad por parte de todos los agentes: empresas, particulares… y reguladores.

El regulador ya ha realizado ese cambio y lo ha plasmado en la nueva ley de protección de datos –GDPR, en sus siglas en inglés- que entrará en vigor en 2018. En ella busca el difícil equilibrio entre los beneficios y riesgos de los que venimos tratando. Y lo hace razonablemente bien, exigiendo que la privacidad entre por diseño en la prestación de los servicios de las empresas o clarificando (si es que alguien tenía dudas) que los datos personales son nuestros y podemos llevárnoslos a otra parte… En definitiva, estableciendo las reglas del juego de un nuevo marco competitivo, el de la economía del dato.

Ahora es el turno de particulares y empresas. Nosotros, como particulares, debemos adquirir una mayor comprensión sobre cómo puede afectarnos la explotación de nuestros datos. No, no tenemos que saber de seguridad informática, ni ser capaces de leer unas políticas de privacidad pensadas para un abogado con mucho tiempo libre. No, al final tendremos que saber en quién podemos confiar. ¿Y en quién confiarías tú, en alguien que arroja luz sobre lo que hace o en quien la apaga?

Por eso, las empresas deben sacar su política de privacidad del pie de página donde se encuentran actualmente y elevarlas a su responsabilidad social corporativa, ser más trasparentes, dejarnos el control sobre nuestros datos, establecer un código ético que abarque también a sus algoritmos … Y con ello ganarse nuestra confianza.

Nos dirigimos inexorablemente a un mundo que pasa por la explotación de nuestros datos personales. Hagamos que sea en nuestro beneficio. La privacidad diferencial no es la panacea que resuelve todo, pero ilustra como trabajando en la construcción de una mayor confianza seguro que lo conseguimos.

 

El valor de un sistema de recomendación

En lo que para muchos será una hipérbole de la economía del dato, los responsables de producto de Netflix han valorado su sistema de recomendación en mil millones de dólares anuales.

Netflix no es Blockbluster. A diferencia de éste, posee un extenso catálogo donde uno puede encontrar el título que desee. Hay tantas películas como gustos tienen sus clientes.

Pero la abundancia de oferta, los psicólogos nos alertan, esconde una paradoja: disponer de más opciones aumenta la presión para hacer la elección perfecta, llegando frecuentemente a generar una parálisis en la toma de decisiones.

Sin ir más lejos, yo mismo la otra noche después de navegar durante 10 minutos por el catálogo de películas de mi operador me aturullé y terminé apagando la televisión. Para Netflix debo tener una paciencia infinita porque sus clientes si no encuentran algo que les interese en 90 segundos se van a otro lado.

Ofertar todo el catálogo disponible en un breve lapso de tiempo es sencillamente imposible o, mejor aún, innecesario. Tener una amplia oferta no significa que esta deba trasladarse al cliente. No si puede diseñarse una arquitectura de decisión que reduzca las opciones de forma personalizada, anticipando qué es y qué no es relevante para un cliente dado.

Así, una vez conocidos los gustos y presentada la oferta personalizada no sólo se retiene al cliente captando su atención en esos preciados segundos, sino que se abre la puerta para que Netflix rentabilice la “larga cola” de su catálogo; explotando títulos “marginales” o engrosando el mismo con aquellos que sabe que podrá monetizar.

El reto está servido: anticipar los gustos de los clientes para mostrar una oferta personalizada, y hacerlo a escala global.

Aquí entran en juego los sistemas de recomendación. Sin embargo, hacer que estos funcionen no es tarea fácil. Así, Netflix descarta que nuestros gustos vengan determinados por la edad, sexo, geografía … No, nuestros gustos son más difíciles de desentrañar.

Para ello va a ser necesario no un algoritmo, sino una familia de ellos que generen y contrasten hipótesis, que realicen testeos continuos mejorando unos modelos que disparen una recomendación en el preciso instante que los clientes interactúan con su plataforma.

No sabemos cómo Netflix ha calculado el ahorro de costes o la generación de ingresos derivados de este sistema. Pero sí lo que invierte 5000 miilones de dólares en contenidos al año – Cualquier mejora aquí…- o qué porcentaje de sus clientes utilizan el sistema de recomendación (80%) frente a las búsquedas (20%).

Pero no, no es solo un sistema de recomendación de lo que hablamos, sino también de haber resuelto un reto contemporáneo: conjugar las exigencias de inmediatez y personalización del cliente con la abundancia de opciones a su alcance. Y esto es algo que, aunque con matices, encontramos en el supermercado, en una librería,… O en una web de citas.

Netflix ha encontrado la llave que, anticipando nuestros gustos a una escala sin precedentes, reduce nuestro coste de decisión y capta nuestra cada vez mas preciada atención. Consiguiendo con ello también abrir la puerta a monetizar la “larga cola” de su catálogo al menor coste posible.

No sé cuántos millones valdrá esta llave que esconden los sistemas de recomendación. Lo que sí sé es que seguro que en manos de mi plataforma de televisión tendría menos “apagones” y vería más cine. Ya sabrán ellos cómo monetizarlo o qué costes se ahorrarán.

Lo que está claro es que Netflix sí lo sabe: ¡Mil millones de dólares cada año!

PD.1 Algunas referencias:

Responsables de producto de Netflix valorando su sistema de recomendación [Germen de este artículo]

Psicólogos alertando que “más es menos”: Entrevista de Eduart Punset a Barry Shwartz [Programa de redes]

Netflix descartando que nuestros gustos estén determinados por edad, sexo,… [Artículo]

El problema de la sobreabundacia de opciones en el caso de las webs de citas.

La cuadratura del círculo de la GDPR

En una imagen que ha dado la vuelta al mundo, aparece Hillary Clinton con la mano levantada saludando a un público que le da la espalda. Sonriendo y aceptando de buen grado que a su alrededor todos quieran hacerse una autofoto – selfie- con ella al fondo. Esta instantánea muestra cómo esa tecnología cotidiana, sin la cual ya no podemos vivir, modifica cómo nos relacionamos con nuestro entorno; generando esta situación a caballo de lo cómico y lo extraño. Una señal de que aún no terminamos de asimilar la colisión de lo digital con lo analógico.

Ya no existe un yo y un alter ego digital, ambos convergen, son lo mismo. Y esa tecnología que nos acompaña en todo momento, deja un rastro de datos susceptibles de ser explotados por las empresas para ofrecernos servicios que cubren nuestra demanda de inmediatez y personalización. Su precio es que tenemos que ceder parte de nuestra privacidad. El trato parece justo: conveniencia a cambio de privacidad. Pero, aunque un dato aislado parezca inocuo, cuando se combina con otros y se pasa por el tamiz de los algoritmos, el resultado puede ser intrusivo, discriminatorio o excluyente.

Hasta la fecha hemos vivido bajo una regulación que fue creada antes de que empresas como Facebook o Google formaran parte de nuestra cotidianidad. Pero una nueva regulación europea entrará en vigor en 2018. Y esta, a diferencia de sus predecesoras, considera que los datos son un activo esencial para la competitividad de las empresas y anticipa un uso intensivo de datos personales – Geolocalización, video, voz, etc.- por su parte, lo que convierte la privacidad en un aspecto central de la misma. Por eso exigirá que esta, la privacidad, esté por diseño en los servicios de las empresas. Pero ¿cómo respetar la privacidad al mismo tiempo que se impulsa la competitividad de las empresas? El regulador da respuesta a esta difícil pregunta, aunque entenderla requiere que particulares y empresas la observen desde una nueva perspectiva.

Como particulares tenemos que desterrar la idea de que en torno a nuestra privacidad la decisión es blanco o negro. Existe toda una gama de grises. Para ello necesitamos identificar qué factores definen nuestra propensión a ceder parte de la misma. Más allá del valor recibido a cambio, debemos considerar aspectos como la confianza, la trasparencia, el control, … Y aquí es dónde debe producirse un cambio de mentalidad: nuestro concepto de privacidad tiene que evolucionar, pero tiene que hacerlo a partir de una mayor comprensión sobre la misma para así decidir qué grado queremos tener. Esto significa que debemos preguntarnos cosas. Algunos ejemplos: ¿Está bien custodiada la información?, ¿existen medidas de seguridad que eviten su robo?, ¿quién tiene acceso?, ¿puedo borrar o modificar la información que tienen sobre mí?, ¿puedo decidir qué datos se recogen y cuáles no?, ¿puedo acceder a la información que existe sobre mí y “auditar” el uso que se está haciendo?, ¿cómo se va a beneficiar la empresa con mis datos?, ¿los va a vender o compartir con terceros? o ¿cuál es el valor que aporta a la sociedad?

Como empresas, las primeras reacciones a la ley provienen del área legal y de seguridad informática. En el primer caso interpretándola y en el segundo pensando cómo implementarla. Pero es una regulación que debe llegar al negocio porque no se trata solo de su cumplimiento, de si dará tiempo a estar preparados cuando entre en vigor, de cómo establecer prioridades o en qué circunstancias va a ser preferible pagar una multa. No, de lo que hablamos es de una regulación que establece las reglas del juego para competir en un nuevo marco, el de la economía del dato. Y es aquí donde debe producirse el cambio de mentalidad.

Por ejemplo, todos esos datos de los clientes que las empresas almacenan y analizan son de ellos y el regulador exige que se pongan los medios para que puedan portarlos de un proveedor a otro. Mientras algunas empresas siguen preguntándose cómo lo llevarán a cabo para cumplir con la regulación y evitar una posible multa, otras van un paso más allá barruntando estrategias que permitan que sus clientes traigan sus datos de otros sitios. Especulemos juntos sobre este punto: ¿Qué servicios podría construir un banco o un operador de telecomunicaciones con los datos que almacenan sobre nosotros alguno de los gigantes de internet?

Soy optimista respecto al uso que las empresas van a hacer de nuestros datos personales, que más allá de la regulación se van a autorregular, que incorporarán criterios éticos en sus algoritmos y que incluso en algún momento el uso que hacen sobre los datos de sus clientes formará parte de su responsabilidad social corporativa. También soy optimista sobre nosotros, los particulares, que adquiriremos una mayor comprensión sobre qué factores debemos considerar en la definición del grado de privacidad que queramos tener. Y, por último, creo que una vez que todos adoptemos una nueva mentalidad, la regulación sentará las reglas del juego de un nuevo mercado.

Hillary Clinton entiende que los tiempos están cambiando, que estamos fuertemente tecnificados y queremos ser los protagonistas … Pero ser el centro de atención en un mundo donde lo digital y lo analógico convergen, obliga a evolucionar el concepto de privacidad. Solo así encontraremos la llave que abre la economía del dato.

PD. Este articulo ha sido publicado previamente en El País Retina.

Analítica aplicada al empleado: ¿Revolución en RRHH?

Durante los últimos años asistimos a un fenómeno que promete revolucionar los recursos humanos de las empresas: el uso de analíticas aplicadas al empleado.

Este tipo de analíticas están siendo utilizadas para incrementar la productividad del empleado, atraer el talento, medir la satisfacción del trabajador, analizar la rotación de la plantilla, identificar como se comunican los equipos de alto rendimiento… Y es que ahora, las empresas poseen una gran cantidad de datos que provienen de todos los sistemas y comunicaciones utilizadas en la empresa por el trabajador que se combinan con otras fuentes fuera del mundo virtual.

Además, las empresas comienzan a adoptar un enfoque cada vez más vinculado al impacto en el negocio y, previsiblemente, estas analíticas saltarán las fronteras de recursos humanos y serán aplicadas por otras áreas de la empresa.

Ganancias marginales y la necesidad de medir el rendimiento.

Las analíticas del empleado han encontrado un referente en el mundo del deporte, desde el ya clásico Moneyball hasta Nadal, los ejemplos de cómo las analíticas están influyendo en la formación de equipos o en la mejora de rendimiento individual se suceden.

Siguiendo con el deporte como fuente de inspiración, Matt Parker, Head of Marginal Gains del equipo británico de ciclismo, explica algunas de las ganancias marginales introducidas en su equipo en las últimas olimpiadas que iban desde lavarse frecuentemente las manos para evitar enfermedades, aplicar alcohol a las ruedas para mejorar su adherencia, llevar la almohada con uno mismo para garantizar un buen descanso… Incluso unos pantalones eléctricos para reponerse rápidamente del esfuerzo de las carreras de semifinales. Todos estas mejoras incrementales cuando se combinan con la capacidad de los ciclistas se traducen en siete medallas de oro de las diez que había en juego.

Pero más allá de lo anecdótico – Almohadas, alcohol y pantalones eléctricos – lo interesante de este ejemplo es una ventaja que ofrece la búsqueda de mejoras incrementales: se puede medir su impacto. Lo que permite experimentar, probar, ver si funciona y, si lo hace, incorporar la mejora. Al final del día uno mide y sabe si esa pequeña mejora que ha introducido se traduce en unos mejores resultados, que mejor motivación.

Ahora bien ¿Y si aplicáramos esto mismo en la empresa?

Dentro de la empresa pueden existir distintas aproximaciones que van desde medidas concretas para mejorar la productividad de los empleados hasta el análisis de grupos de empleados para inferir mejoras globales.

Análisis del empleado: Ganancias marginales de productividad

Ahora las empresas pueden analizar el impacto de cambios en el entorno del trabajador o en aspectos específicos de su actividad para mejorar su rendimiento:

  • Cambios en el entorno: Cómo afecta a la productividad de los empleados poder dedicar tiempo a una ONG, formar parte de un equipo deportivo de la empresa, realizar programas preventivos de salud…
  • Cambios en la actividad: Están los empleados que escriben blogs más comprometidos con la empresa, cómo afecta el uso de aplicaciones colaborativas a su productividad o el tele-trabajo….

Pero las empresas no están centrándose exclusivamente en entender el impacto en la productividad de los empleados de forma individual sino en resolver problemas concretos de su actividad y para ello aplican inferencia.

Análisis de un grupo de empleados: Inferir mejoras globales.

El análisis de información sobre los empleados también permite inferir áreas de mejora para retener talento, evitar malas praxis, difundir mejores prácticas o, entre otros, construir equipos de alto rendimiento:

  • Retener talento. Un ejemplo puede ser como en las empresas de alta tecnología se utilizan analíticas para entender cómo retener los mejores ingenieros y traducir este conocimiento en construir sistemas de compensación y entornos de trabajo que aumenten su permanencia.
  • Evitar malas praxis. Aquí el ejemplo proviene de las empresas de servicios financieros que analizan por qué ciertas personas cometen fraude para entender que condiciones les llevan a cometerlo y así anticiparse.
  • Expandir mejores prácticas. Algunas empresas de distribución analizan los factores demográficos, educativos y la experiencia de los vendedores para identificar las mejores prácticas comerciales.
  • Construir equipos de alto rendimiento. En el sector de fabricación están mirando los patrones de comunicación entre distintos empleados para entender cómo los equipos de alto rendimiento utilizan estas herramientas y qué estilos de trabajo les llevan a alcanzar esos resultados.

Mirando al futuro

En síntesis, la analítica aplicada a los empleados está siendo utilizada por múltiples empresas para mejoras en la productividad individual del empleado y para resolver problemas de negocio concretos. La clave es encontrar las métricas – KPIs- que realmente son relevantes.

Lo que todos estos casos tienen como factor común es que el conocimiento generado es utilizado por la dirección de la empresa, por recursos humanos… En definitiva, por un tercero para entender mejor al empleado. Pero qué hay del propio empleado ¿Cómo le afecta?

Hay un lado oscuro en el análisis de la información que generan los empleados y es que un enfoque equivocado puede devenir en perdidas de productividad. Por ejemplo, si su uso es para escrutar al empleado observándolo al detalle sin un objetivo de negocio definido, entonces todas las bondades se desvanecen: la productividad del empleado caerá y muy probablemente abandonará la empresa en cuanto pueda.

Por otro lado, los empleados son evaluados de forma continua por la empresa por lo que introducir criterios objetivos en el fondo puede redundar en una mejor evaluación, siempre que los indicadores sean los adecuados.

En cualquier caso, en aquellas empresas que miren al futuro, que no estén ancladas en modelos de gestión obsoletos, el análisis del empleado promete revolucionar como trabajamos.

La naturaleza del trabajo está cambiando y la analítica sobre el empleado acelerará este cambio: ¿Estará el departamento de recursos humanos a la altura?

La creciente necesidad de entender a nuestros clientes

Algunas de las conversaciones que tenemos últimamente están orbitan alrededor del hecho que de las cosas no son como en el pasado. Las iniciativas del pasado ya no son suficiente. Y uno de los puntos que es más diferente es cómo debemos identificar, atraer, servir y retener a nuestros clientes. Es fácil errar al intentar leer las preferencias de los clientes. Recordemos que ha pasado en las últimas elecciones en diferentes países.

Las organizaciones se enfrentan a un escenario en el que los clientes están más informados, más instrumentados y son menos leales. A veces, introducimos el concepto del cliente elusivo. Y el CRM ya no es suficiente para captar a cliente elusivo.

Afortunadamente el mismo contexto que ha transformado al cliente, nos proporciona nuevas estrategias para la captura, la gestión, análisis y generación de valor estratégico de los datos de cliente, lo que conocemos como Customer Analytics.

Con el objetivo de incrementar el conocimiento de lo que se puede hacer, Sngular Data & Analytics ha preparado una jornada para hablar sobre Analítica de Clientes a la que han invitado a Delfos para hablar.

Aún estáis a tiempo de apuntaros a esta sesión el próximo día 30 de Noviembre en Madrid. Más información aquí

Understanding GDPR: The need for a new mindset

 

The recently approved General Data Protection Regulation, which will enter into force in May 2018, represents a radical departure from the compliance-based approach in relation to data management.

The immediate reaction from most CDOs or security professionals after reading in detail the document is feeling overwhelmed. Not in vain, according to the research company Ovum, more than 50% of CDOs from large businesses worldwide fear they are going to be fined by the Data Protection agencies.

Why this reaction? The reason is compliance with the new regulation from a traditional mindset seems an impossible task.  A new approach is necessary. There are four key areas where a shift needs to take place:

  • Security: The regulator is no longer telling organizations what security measures are required. Given the quick pace of technological change, compliance checklists are no longer viable. This is why organizations are told to base their security related decisions on risk audits, not only internal, but encompassing the impact for customers or individuals. Security decisions become a matter of judgement. Given that breaches will have to be notified within 72 hours, it will be better to err on the side of caution.
  • Transparency: Until now, once individuals gave permission to an organization to use their data, they lost visibility and control over it. Under GDPR, organizations will have to open up completely to individuals.

In the first place, tacit agreements in relation to data use will no longer be valid. Customers will have to take affirmative action. Furthermore, this will not be the end, but the beginning of a transparent and proactive reporting cycle with customers and individuals. Every action departing from the agreed use of information will have to be notified. Actually, individuals may request information to be accessed, erased, or even transferred to a competitor.

This is a reminder that data remains the property of individuals. Organizations will have to honor that, and transparency will represent a great deal in customer satisfaction and trust.

  • Responsibility: Under this new framework, whoever interacts with individual information becomes responsible, be it an information-processing company, or an actor in the supply chain. In plain language, there is nowhere to hide. This prevents the creation of weakest link in the information cycle outside a given organization. That’s where most attacks take place.

This changes relationships among players in the value chain, and contracts will have to reflect it accordingly: responsibility is closely tied to liability.

  • Treatment: Data per se is no longer the key concern. What organizations do with it is what matters. When companies had only a piece of information about individuals, this was considered almost innocuous. Now, with the emergence of Big Data, it is becoming too easy to combine information, and extract insights that may affect individual in unsuspected ways. This is why organizations will have to keep record of how they treat individual information. The GDPR wants to make sure the far reaching implications that may unfold from the use of analytics and Big Data are not beyond control.

In summary, this regulation treats data as the core asset in every organization, as well as a key element in personal security. This understanding is where the mind shift needs to take place. Once this is clear, the implications deriving from it make sense. It is true that the degree of imprecision sometimes deliberate, in this regulation may create areas of legal uncertainty. But, seeking compliance instructions of a regulator is no longer viable in a data driven world. Everyone will have to lead their own journey. The regulator is just pointing at the boundaries and responsibilities.

 

Suggested reading:

http://www.lopdat.es/noticias/aplicacion-practica-y-progresiva-del-nuevo-reglamento-europeo-de-proteccion-de-datos

https://www.dlapiper.com/en/uk/focus/eu-data-protection-regulation/key-changes/

 

 

 

Experiencia de Cliente, el nuevo mantra para los negocios

¿Recuerda la última vez que viajó en avión? ¿Fue fácil comprar el billete? ¿Tuvo ansiedad antes de volar? ¿Quizá una carrera por el aeropuerto…? ¿Qué recuerda exactamente?

En mi caso recuerdo a una azafata dando las instrucciones de vuelo como si realmente me hablara a mí y no en modo autómata como acostumbran. Confieso que esto mitigó la ansiedad que suele acompañarme en estos casos. A continuación, me encontré pensando en la experiencia de cliente.

Esta se ha convertido en un nuevo mantra para los negocios. No se trata solo de mejorar el servicio reduciendo tiempos de espera o realizar mejoras en el producto. Sino más bien de adquirir la visión del cliente de principio a fin, desde que explora la posibilidad de adquirir el producto o servicio hasta que finalmente lo compra o consume. Y vuelta a empezar recorriendo de nuevo distintos puntos de interacción.

Existen distintas aproximaciones a la experiencia del cliente, pero la visión predominante es la que llevan a cabo empresas que utilizan todos los datos disponibles a su alcance para conocer al cliente, facilitarle la vida y mejorar el servicio al mismo tiempo que incrementan su eficiencia interna.

La idea que subyace es que, si tus operaciones son impecables y dotas de mayor capacidad de autoservicio al cliente, entonces tendrás clientes satisfechos con un menor coste de servicio.

Bajo este paradigma las empresas se afanan en conocer las preferencias del cliente, medir su grado de involucración, utilizar análisis predictivo, etc. Sin embargo, esta aproximación deja un componente esencial fuera de la ecuación: las emociones.

Poner la palabra “emoción” en un contexto de negocio puede chirriar los oídos a aquellos que piensa en una aproximación más funcional: simplificar la vida al cliente e incrementar el valor que recibe. Pero aquellas empresas capaces de ubicar las emociones dentro de su estrategia de experiencia de cliente conseguirán mayores cotas de fidelización. Y es que las emociones perduran en el tiempo.

Por ejemplo, una aplicación que nos permite cambiar un vuelo en tránsito en tiempo real mediante autoservicio no sólo es eficiente y nos simplifica la vida, sino que además mitiga nuestra ansiedad.

Se trata por tanto no sólo de generar emociones positivas como “deleitar” sino también mitigar emociones negativas como la “ansiedad”. Hay que gestionar ambos tipos de emociones. Si, además, esta aplicación ha sido diseñada situando al cliente en el centro entonces la experiencia será óptima.

Cada vez más, la interacción con el cliente se produce a través de canales digitales; es decir, entre el cliente y una pantalla donde una buena experiencia de usuario humaniza esas pantallas.

Pero en el terreno de las emociones el factor humano sigue siendo determinante; el mejor vehículo para trasmitir una emoción son las personas. Por tanto, identificar un eventual punto de interacción entre empleado y cliente, y añadir el contexto emocional, debe complementar esa “humanización de las pantallas”. Incluso podemos ir más lejos: aunque esa interacción persona a persona sea susceptible de automatizarse y transformarse en una interacción “persona a pantalla” ¿Debo automatizarla por defecto?

El espectacular avance de la inteligencia artificial abre una puerta a automatizar cosas antes impensables. Pero que sea posible no debe significar que debamos hacerlo. No sin antes entender el contexto emocional de cada situación.

Una buena estrategia de experiencia de cliente pone a las personas por delante. Empezando por los propios empleados para los que ahora su actitud, que no su aptitud, es esencial para desarrollar una cultura centrada en el cliente que permita alcanzar el éxito.

Reconozco que me da miedo volar, pero con una voz más humana, más próxima, como si realmente me estuviera hablando a mí, la ansiedad que me acompaña en cada vuelo se reduce.

Sí, esta es una experiencia personal. Pero, al fin y al cabo, no es esta la promesa que encierra la experiencia de cliente.

PD. Este artículo ha sido previamente publicado en BVEX