Pascal Coggia: \u00bfQu\u00e9 significa la transformaci\u00f3n digital para Nissan?<\/h2><\/div>D\u00e9v Rishi Sahani: El t\u00e9rmino transformaci\u00f3n digital est\u00e1 sobreutilizado hasta cierto punto, as\u00ed que depende de c\u00f3mo se defina. En Nissan, emprendimos nuestro viaje de transformaci\u00f3n digital hace varios a\u00f1os. Nos ha ido bien en la transformaci\u00f3n tecnol\u00f3gica, y seguiremos haci\u00e9ndolo, pero lo m\u00e1s importante para nosotros es seguir el ritmo de los clientes. Toda nuestra atenci\u00f3n se centra en lo que llamamos transformaci\u00f3n de la experiencia del cliente, y si se mira desde esa perspectiva, los retos est\u00e1n muy claros.<\/p>\n
El primer reto tiene que ver con la estructura organizativa u operativa. Pensar en los recorridos de los clientes como un camino lineal es una forma tradicional de visualizar c\u00f3mo interact\u00faan sus clientes con su marca, pero, en \u00faltima instancia, se limita a ser muy transaccional y le encierra en silos. Para pasar de las transacciones a las relaciones con los clientes, debemos dejar de fijarnos en las conversiones por pasos o en los traspasos entre estos canales y conectar esos silos.<\/p>\n<\/div>
Pascal: Bien, \u00bfpuede decirnos c\u00f3mo est\u00e1 utilizando el data? \u00bfC\u00f3mo se est\u00e1 centrando en el cliente?<\/h2><\/div>D\u00e9v: A lo largo de mi carrera, tengo la firme convicci\u00f3n de que la cantidad de data disponible siempre ir\u00e1 por delante del apetito de las organizaciones para consumir y actuar sobre esos conocimientos. Esto no es ni malo ni bueno, es simplemente la realidad. A veces la batalla se debe simplemente a que el data entra en conflicto con el curso de acci\u00f3n que se quer\u00eda seguir.<\/p>\n
Pero lo m\u00e1s importante es cuando el an\u00e1lisis no presenta implicaciones o recomendaciones claras: si el data no le dice qu\u00e9 hacer a continuaci\u00f3n, es bastante in\u00fatil. Aqu\u00ed es donde la palabra \u2018utilizaci\u00f3n\u2019 adquiere relevancia; desplaza el centro de atenci\u00f3n de cu\u00e1nta gente est\u00e1 utilizando el data a la utilidad. Hemos liderado la adopci\u00f3n de la data dentro de nuestra organizaci\u00f3n manteniendo una definici\u00f3n clara de su utilidad para nuestros mercados, funciones empresariales y equipos digitales.<\/p>\n
En un extremo est\u00e1 el input data, como los cuadros de mando y los sistemas de apoyo que permiten la planificaci\u00f3n y la toma de decisiones en sentido ascendente; en el otro extremo est\u00e1 el output data, que son los modelos predictivos y la ciencia data que muestra los resultados operativos de nuestras iniciativas. Lo que une a ambos es una cultura data-driven de prueba y aprendizaje basada en hip\u00f3tesis.<\/p>\n<\/div>
Pascal: \u00bfPuede darnos un ejemplo de un proyecto data que haya tenido eco a escala en su organizaci\u00f3n?<\/h2><\/div>D\u00e9v: En cierto modo ha sido todo nuestro viaje durante los \u00faltimos dos o tres a\u00f1os... desarrollando CEDAR, nuestra marca interna para la funci\u00f3n anal\u00edtica data. Son las siglas de Customer Experience Data Analytics and Reporting. Nos ayuda a convertir el data en informaci\u00f3n, conocimiento y sabidur\u00eda. Ah\u00ed es donde entran en juego la accionabilidad y la usabilidad.<\/p>\n
Durante los dos primeros a\u00f1os, fuimos un poco duros, organiz\u00e1ndolo todo. El primer momento \u2018\u00a1Eureka!\u2019 fue cuando toda la organizaci\u00f3n se dio cuenta de que pod\u00eda mirar el data y ver las tendencias de consumo en 147 mercados. En lugar de hacer suposiciones basadas en muestras de 5.000 personas, digamos, ahora podemos ver c\u00f3mo interact\u00faan un mill\u00f3n de visitantes, cada minuto de cada d\u00eda.<\/p>\n
Hace un par de a\u00f1os, lanzamos un coche nuevo en un mercado espec\u00edfico y detectamos que se estaban produciendo muchas compras cruzadas entre segmentos. Pod\u00edamos ver cu\u00e1ndo los clientes cambiaban de opini\u00f3n del modelo que pens\u00e1bamos que comprar\u00edan al que realmente compraron. Tambi\u00e9n pod\u00edamos determinar qui\u00e9n comprar\u00eda una transmisi\u00f3n autom\u00e1tica o una manual, por ejemplo. Ahora podemos consumir data y ver patrones significativos en el recorrido de compra del consumidor. Queremos saber qu\u00e9 quieren nuestros clientes y responder a ello.<\/p>\n<\/div>
Pascal: \u00bfPuede hablarme m\u00e1s de este cuadro de mando CEDAR, este centro de BI? \u00bfPor qu\u00e9 existe?<\/h2><\/div>D\u00e9v: No fue lo primero que construimos. Empezamos centr\u00e1ndonos en el data: \u00bfqu\u00e9 preguntas podemos hacer al data? \u00bfqu\u00e9 respuestas dar\u00e1 el data? Conseguimos hacernos a la idea en el primer a\u00f1o del programa. Luego se trat\u00f3 de \u2018democratizar\u2019 este data. Nos dimos cuenta de que tener la data no era el reto, sino darle sentido. Ah\u00ed es donde desarrollamos nuestra asociaci\u00f3n con Artefact para crear CEDAR home.<\/p>\n
CEDAR es una plataforma independiente que funciona en toda Nissan, y en todas las funciones, y contiene muchos cuadros de mando y perspectivas diferentes. Es nuestro centro de experiencia y conocimiento del consumidor, donde nuestra gente acude para ver el mundo como lo ven nuestros clientes. Cualquier persona de la empresa puede acceder a \u00e9l y, si no dispone de un nombre de usuario, basta con registrarse. Debe resultar tan f\u00e1cil como navegar por nuestro sitio web.<\/p>\n
Y lo que es m\u00e1s importante, como persona data, podemos echar un vistazo a la anal\u00edtica de CEDAR para entender c\u00f3mo se est\u00e1 utilizando, d\u00f3nde est\u00e1n los puntos de fricci\u00f3n, d\u00f3nde se pierde la gente y qu\u00e9 partes son \u00fatiles o no. En lugar de preguntar, sabemos.<\/p>\n<\/div>
![](\"https:\/\/www.artefact.com\/\/wp-content\/uploads\/2021\/03\/CEDAR-home-1024x496-1.png\" "\\"CEDRO-casa-1024\u00d7496\\"")
<\/span><\/div>Pascal: \u00bfHa visto a gente utilizar CEDAR para tomar decisiones que antes no pod\u00edan? \u00bfO simplemente les ayuda a ahorrar tiempo?<\/h2><\/div>D\u00e9v: Tenemos mucha gente que toma buenas decisiones, pero la evidencia de que la gente utiliza CEDAR para tomar decisiones diferentes o decisiones que antes no pod\u00edan tomar es bastante satisfactoria.<\/p>\n
Iniciamos este viaje desde una perspectiva centrada en la experiencia del cliente. Quer\u00edamos que cualquiera que trabajara en la experiencia del cliente utilizara estos conocimientos. Pero muy r\u00e1pidamente se ha extendido a equipos de otras funciones como la planificaci\u00f3n avanzada de productos y la inteligencia de mercado. Todas estas funciones diferentes, a nivel global y de mercado, conocen CEDAR. Eso en s\u00ed mismo nos est\u00e1 dando mucho contexto sobre c\u00f3mo data se est\u00e1 volviendo m\u00e1s \u00fatil en toda nuestra organizaci\u00f3n y est\u00e1 siendo utilizado por diferentes tipos de funciones empresariales.<\/p>\n<\/div>
Pascal: H\u00e1bleme un poco del equipo. \u00bfQui\u00e9n est\u00e1 al mando?<\/h2><\/div>D\u00e9v: Data no lo es todo; hay que saber sacar provecho de ello. Aqu\u00ed es donde ayuda contar con el equipo adecuado. Cuando me incorpor\u00e9 a Nissan en noviembre de 2017, hab\u00eda dos personas en la pr\u00e1ctica global de data y a partir de ah\u00ed crecimos el equipo a trav\u00e9s de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.<\/p>\n
El pilar de la Medida se encarga de entender c\u00f3mo organizamos el data y lo convertimos en informaci\u00f3n. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sab\u00edamos que necesit\u00e1bamos la m\u00e1quina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar cient\u00edfico data. Tuvimos mucho cuidado de a\u00f1adirlo al final para asegurarnos de que no nos precipit\u00e1bamos y tra\u00edamos talentos que se aburrir\u00edan mucho, muy r\u00e1pidamente, porque no ten\u00edamos los casos de uso adecuados alineados.<\/p>\n
Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Jap\u00f3n), y trabajamos con equipos de an\u00e1lisis integrados en todos los mercados.<\/p>\n<\/div>
Pascal: \u00bfQu\u00e9 aspecto tiene el \u00e9xito? \u00bfC\u00f3mo ve el progreso de sus proyectos data en los pr\u00f3ximos dos a\u00f1os?<\/h2><\/div>D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
D\u00e9v Rishi Sahani: El t\u00e9rmino transformaci\u00f3n digital est\u00e1 sobreutilizado hasta cierto punto, as\u00ed que depende de c\u00f3mo se defina. En Nissan, emprendimos nuestro viaje de transformaci\u00f3n digital hace varios a\u00f1os. Nos ha ido bien en la transformaci\u00f3n tecnol\u00f3gica, y seguiremos haci\u00e9ndolo, pero lo m\u00e1s importante para nosotros es seguir el ritmo de los clientes. Toda nuestra atenci\u00f3n se centra en lo que llamamos transformaci\u00f3n de la experiencia del cliente, y si se mira desde esa perspectiva, los retos est\u00e1n muy claros.<\/p>\n
El primer reto tiene que ver con la estructura organizativa u operativa. Pensar en los recorridos de los clientes como un camino lineal es una forma tradicional de visualizar c\u00f3mo interact\u00faan sus clientes con su marca, pero, en \u00faltima instancia, se limita a ser muy transaccional y le encierra en silos. Para pasar de las transacciones a las relaciones con los clientes, debemos dejar de fijarnos en las conversiones por pasos o en los traspasos entre estos canales y conectar esos silos.<\/p>\n<\/div>
Pascal: Bien, \u00bfpuede decirnos c\u00f3mo est\u00e1 utilizando el data? \u00bfC\u00f3mo se est\u00e1 centrando en el cliente?<\/h2><\/div>D\u00e9v: A lo largo de mi carrera, tengo la firme convicci\u00f3n de que la cantidad de data disponible siempre ir\u00e1 por delante del apetito de las organizaciones para consumir y actuar sobre esos conocimientos. Esto no es ni malo ni bueno, es simplemente la realidad. A veces la batalla se debe simplemente a que el data entra en conflicto con el curso de acci\u00f3n que se quer\u00eda seguir.<\/p>\n
Pero lo m\u00e1s importante es cuando el an\u00e1lisis no presenta implicaciones o recomendaciones claras: si el data no le dice qu\u00e9 hacer a continuaci\u00f3n, es bastante in\u00fatil. Aqu\u00ed es donde la palabra \u2018utilizaci\u00f3n\u2019 adquiere relevancia; desplaza el centro de atenci\u00f3n de cu\u00e1nta gente est\u00e1 utilizando el data a la utilidad. Hemos liderado la adopci\u00f3n de la data dentro de nuestra organizaci\u00f3n manteniendo una definici\u00f3n clara de su utilidad para nuestros mercados, funciones empresariales y equipos digitales.<\/p>\n
En un extremo est\u00e1 el input data, como los cuadros de mando y los sistemas de apoyo que permiten la planificaci\u00f3n y la toma de decisiones en sentido ascendente; en el otro extremo est\u00e1 el output data, que son los modelos predictivos y la ciencia data que muestra los resultados operativos de nuestras iniciativas. Lo que une a ambos es una cultura data-driven de prueba y aprendizaje basada en hip\u00f3tesis.<\/p>\n<\/div>
Pascal: \u00bfPuede darnos un ejemplo de un proyecto data que haya tenido eco a escala en su organizaci\u00f3n?<\/h2><\/div>D\u00e9v: En cierto modo ha sido todo nuestro viaje durante los \u00faltimos dos o tres a\u00f1os... desarrollando CEDAR, nuestra marca interna para la funci\u00f3n anal\u00edtica data. Son las siglas de Customer Experience Data Analytics and Reporting. Nos ayuda a convertir el data en informaci\u00f3n, conocimiento y sabidur\u00eda. Ah\u00ed es donde entran en juego la accionabilidad y la usabilidad.<\/p>\n
Durante los dos primeros a\u00f1os, fuimos un poco duros, organiz\u00e1ndolo todo. El primer momento \u2018\u00a1Eureka!\u2019 fue cuando toda la organizaci\u00f3n se dio cuenta de que pod\u00eda mirar el data y ver las tendencias de consumo en 147 mercados. En lugar de hacer suposiciones basadas en muestras de 5.000 personas, digamos, ahora podemos ver c\u00f3mo interact\u00faan un mill\u00f3n de visitantes, cada minuto de cada d\u00eda.<\/p>\n
Hace un par de a\u00f1os, lanzamos un coche nuevo en un mercado espec\u00edfico y detectamos que se estaban produciendo muchas compras cruzadas entre segmentos. Pod\u00edamos ver cu\u00e1ndo los clientes cambiaban de opini\u00f3n del modelo que pens\u00e1bamos que comprar\u00edan al que realmente compraron. Tambi\u00e9n pod\u00edamos determinar qui\u00e9n comprar\u00eda una transmisi\u00f3n autom\u00e1tica o una manual, por ejemplo. Ahora podemos consumir data y ver patrones significativos en el recorrido de compra del consumidor. Queremos saber qu\u00e9 quieren nuestros clientes y responder a ello.<\/p>\n<\/div>
Pascal: \u00bfPuede hablarme m\u00e1s de este cuadro de mando CEDAR, este centro de BI? \u00bfPor qu\u00e9 existe?<\/h2><\/div>D\u00e9v: No fue lo primero que construimos. Empezamos centr\u00e1ndonos en el data: \u00bfqu\u00e9 preguntas podemos hacer al data? \u00bfqu\u00e9 respuestas dar\u00e1 el data? Conseguimos hacernos a la idea en el primer a\u00f1o del programa. Luego se trat\u00f3 de \u2018democratizar\u2019 este data. Nos dimos cuenta de que tener la data no era el reto, sino darle sentido. Ah\u00ed es donde desarrollamos nuestra asociaci\u00f3n con Artefact para crear CEDAR home.<\/p>\n
CEDAR es una plataforma independiente que funciona en toda Nissan, y en todas las funciones, y contiene muchos cuadros de mando y perspectivas diferentes. Es nuestro centro de experiencia y conocimiento del consumidor, donde nuestra gente acude para ver el mundo como lo ven nuestros clientes. Cualquier persona de la empresa puede acceder a \u00e9l y, si no dispone de un nombre de usuario, basta con registrarse. Debe resultar tan f\u00e1cil como navegar por nuestro sitio web.<\/p>\n
Y lo que es m\u00e1s importante, como persona data, podemos echar un vistazo a la anal\u00edtica de CEDAR para entender c\u00f3mo se est\u00e1 utilizando, d\u00f3nde est\u00e1n los puntos de fricci\u00f3n, d\u00f3nde se pierde la gente y qu\u00e9 partes son \u00fatiles o no. En lugar de preguntar, sabemos.<\/p>\n<\/div>
<\/span><\/div>Pascal: \u00bfHa visto a gente utilizar CEDAR para tomar decisiones que antes no pod\u00edan? \u00bfO simplemente les ayuda a ahorrar tiempo?<\/h2><\/div>D\u00e9v: Tenemos mucha gente que toma buenas decisiones, pero la evidencia de que la gente utiliza CEDAR para tomar decisiones diferentes o decisiones que antes no pod\u00edan tomar es bastante satisfactoria.<\/p>\n
Iniciamos este viaje desde una perspectiva centrada en la experiencia del cliente. Quer\u00edamos que cualquiera que trabajara en la experiencia del cliente utilizara estos conocimientos. Pero muy r\u00e1pidamente se ha extendido a equipos de otras funciones como la planificaci\u00f3n avanzada de productos y la inteligencia de mercado. Todas estas funciones diferentes, a nivel global y de mercado, conocen CEDAR. Eso en s\u00ed mismo nos est\u00e1 dando mucho contexto sobre c\u00f3mo data se est\u00e1 volviendo m\u00e1s \u00fatil en toda nuestra organizaci\u00f3n y est\u00e1 siendo utilizado por diferentes tipos de funciones empresariales.<\/p>\n<\/div>
Pascal: H\u00e1bleme un poco del equipo. \u00bfQui\u00e9n est\u00e1 al mando?<\/h2><\/div>D\u00e9v: Data no lo es todo; hay que saber sacar provecho de ello. Aqu\u00ed es donde ayuda contar con el equipo adecuado. Cuando me incorpor\u00e9 a Nissan en noviembre de 2017, hab\u00eda dos personas en la pr\u00e1ctica global de data y a partir de ah\u00ed crecimos el equipo a trav\u00e9s de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.<\/p>\n
El pilar de la Medida se encarga de entender c\u00f3mo organizamos el data y lo convertimos en informaci\u00f3n. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sab\u00edamos que necesit\u00e1bamos la m\u00e1quina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar cient\u00edfico data. Tuvimos mucho cuidado de a\u00f1adirlo al final para asegurarnos de que no nos precipit\u00e1bamos y tra\u00edamos talentos que se aburrir\u00edan mucho, muy r\u00e1pidamente, porque no ten\u00edamos los casos de uso adecuados alineados.<\/p>\n
Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Jap\u00f3n), y trabajamos con equipos de an\u00e1lisis integrados en todos los mercados.<\/p>\n<\/div>
Pascal: \u00bfQu\u00e9 aspecto tiene el \u00e9xito? \u00bfC\u00f3mo ve el progreso de sus proyectos data en los pr\u00f3ximos dos a\u00f1os?<\/h2><\/div>D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
D\u00e9v: A lo largo de mi carrera, tengo la firme convicci\u00f3n de que la cantidad de data disponible siempre ir\u00e1 por delante del apetito de las organizaciones para consumir y actuar sobre esos conocimientos. Esto no es ni malo ni bueno, es simplemente la realidad. A veces la batalla se debe simplemente a que el data entra en conflicto con el curso de acci\u00f3n que se quer\u00eda seguir.<\/p>\n
Pero lo m\u00e1s importante es cuando el an\u00e1lisis no presenta implicaciones o recomendaciones claras: si el data no le dice qu\u00e9 hacer a continuaci\u00f3n, es bastante in\u00fatil. Aqu\u00ed es donde la palabra \u2018utilizaci\u00f3n\u2019 adquiere relevancia; desplaza el centro de atenci\u00f3n de cu\u00e1nta gente est\u00e1 utilizando el data a la utilidad. Hemos liderado la adopci\u00f3n de la data dentro de nuestra organizaci\u00f3n manteniendo una definici\u00f3n clara de su utilidad para nuestros mercados, funciones empresariales y equipos digitales.<\/p>\n
En un extremo est\u00e1 el input data, como los cuadros de mando y los sistemas de apoyo que permiten la planificaci\u00f3n y la toma de decisiones en sentido ascendente; en el otro extremo est\u00e1 el output data, que son los modelos predictivos y la ciencia data que muestra los resultados operativos de nuestras iniciativas. Lo que une a ambos es una cultura data-driven de prueba y aprendizaje basada en hip\u00f3tesis.<\/p>\n<\/div>
Pascal: \u00bfPuede darnos un ejemplo de un proyecto data que haya tenido eco a escala en su organizaci\u00f3n?<\/h2><\/div>D\u00e9v: En cierto modo ha sido todo nuestro viaje durante los \u00faltimos dos o tres a\u00f1os... desarrollando CEDAR, nuestra marca interna para la funci\u00f3n anal\u00edtica data. Son las siglas de Customer Experience Data Analytics and Reporting. Nos ayuda a convertir el data en informaci\u00f3n, conocimiento y sabidur\u00eda. Ah\u00ed es donde entran en juego la accionabilidad y la usabilidad.<\/p>\n
Durante los dos primeros a\u00f1os, fuimos un poco duros, organiz\u00e1ndolo todo. El primer momento \u2018\u00a1Eureka!\u2019 fue cuando toda la organizaci\u00f3n se dio cuenta de que pod\u00eda mirar el data y ver las tendencias de consumo en 147 mercados. En lugar de hacer suposiciones basadas en muestras de 5.000 personas, digamos, ahora podemos ver c\u00f3mo interact\u00faan un mill\u00f3n de visitantes, cada minuto de cada d\u00eda.<\/p>\n
Hace un par de a\u00f1os, lanzamos un coche nuevo en un mercado espec\u00edfico y detectamos que se estaban produciendo muchas compras cruzadas entre segmentos. Pod\u00edamos ver cu\u00e1ndo los clientes cambiaban de opini\u00f3n del modelo que pens\u00e1bamos que comprar\u00edan al que realmente compraron. Tambi\u00e9n pod\u00edamos determinar qui\u00e9n comprar\u00eda una transmisi\u00f3n autom\u00e1tica o una manual, por ejemplo. Ahora podemos consumir data y ver patrones significativos en el recorrido de compra del consumidor. Queremos saber qu\u00e9 quieren nuestros clientes y responder a ello.<\/p>\n<\/div>
Pascal: \u00bfPuede hablarme m\u00e1s de este cuadro de mando CEDAR, este centro de BI? \u00bfPor qu\u00e9 existe?<\/h2><\/div>D\u00e9v: No fue lo primero que construimos. Empezamos centr\u00e1ndonos en el data: \u00bfqu\u00e9 preguntas podemos hacer al data? \u00bfqu\u00e9 respuestas dar\u00e1 el data? Conseguimos hacernos a la idea en el primer a\u00f1o del programa. Luego se trat\u00f3 de \u2018democratizar\u2019 este data. Nos dimos cuenta de que tener la data no era el reto, sino darle sentido. Ah\u00ed es donde desarrollamos nuestra asociaci\u00f3n con Artefact para crear CEDAR home.<\/p>\n
CEDAR es una plataforma independiente que funciona en toda Nissan, y en todas las funciones, y contiene muchos cuadros de mando y perspectivas diferentes. Es nuestro centro de experiencia y conocimiento del consumidor, donde nuestra gente acude para ver el mundo como lo ven nuestros clientes. Cualquier persona de la empresa puede acceder a \u00e9l y, si no dispone de un nombre de usuario, basta con registrarse. Debe resultar tan f\u00e1cil como navegar por nuestro sitio web.<\/p>\n
Y lo que es m\u00e1s importante, como persona data, podemos echar un vistazo a la anal\u00edtica de CEDAR para entender c\u00f3mo se est\u00e1 utilizando, d\u00f3nde est\u00e1n los puntos de fricci\u00f3n, d\u00f3nde se pierde la gente y qu\u00e9 partes son \u00fatiles o no. En lugar de preguntar, sabemos.<\/p>\n<\/div>
<\/span><\/div>Pascal: \u00bfHa visto a gente utilizar CEDAR para tomar decisiones que antes no pod\u00edan? \u00bfO simplemente les ayuda a ahorrar tiempo?<\/h2><\/div>D\u00e9v: Tenemos mucha gente que toma buenas decisiones, pero la evidencia de que la gente utiliza CEDAR para tomar decisiones diferentes o decisiones que antes no pod\u00edan tomar es bastante satisfactoria.<\/p>\n
Iniciamos este viaje desde una perspectiva centrada en la experiencia del cliente. Quer\u00edamos que cualquiera que trabajara en la experiencia del cliente utilizara estos conocimientos. Pero muy r\u00e1pidamente se ha extendido a equipos de otras funciones como la planificaci\u00f3n avanzada de productos y la inteligencia de mercado. Todas estas funciones diferentes, a nivel global y de mercado, conocen CEDAR. Eso en s\u00ed mismo nos est\u00e1 dando mucho contexto sobre c\u00f3mo data se est\u00e1 volviendo m\u00e1s \u00fatil en toda nuestra organizaci\u00f3n y est\u00e1 siendo utilizado por diferentes tipos de funciones empresariales.<\/p>\n<\/div>
Pascal: H\u00e1bleme un poco del equipo. \u00bfQui\u00e9n est\u00e1 al mando?<\/h2><\/div>D\u00e9v: Data no lo es todo; hay que saber sacar provecho de ello. Aqu\u00ed es donde ayuda contar con el equipo adecuado. Cuando me incorpor\u00e9 a Nissan en noviembre de 2017, hab\u00eda dos personas en la pr\u00e1ctica global de data y a partir de ah\u00ed crecimos el equipo a trav\u00e9s de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.<\/p>\n
El pilar de la Medida se encarga de entender c\u00f3mo organizamos el data y lo convertimos en informaci\u00f3n. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sab\u00edamos que necesit\u00e1bamos la m\u00e1quina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar cient\u00edfico data. Tuvimos mucho cuidado de a\u00f1adirlo al final para asegurarnos de que no nos precipit\u00e1bamos y tra\u00edamos talentos que se aburrir\u00edan mucho, muy r\u00e1pidamente, porque no ten\u00edamos los casos de uso adecuados alineados.<\/p>\n
Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Jap\u00f3n), y trabajamos con equipos de an\u00e1lisis integrados en todos los mercados.<\/p>\n<\/div>
Pascal: \u00bfQu\u00e9 aspecto tiene el \u00e9xito? \u00bfC\u00f3mo ve el progreso de sus proyectos data en los pr\u00f3ximos dos a\u00f1os?<\/h2><\/div>D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
D\u00e9v: En cierto modo ha sido todo nuestro viaje durante los \u00faltimos dos o tres a\u00f1os... desarrollando CEDAR, nuestra marca interna para la funci\u00f3n anal\u00edtica data. Son las siglas de Customer Experience Data Analytics and Reporting. Nos ayuda a convertir el data en informaci\u00f3n, conocimiento y sabidur\u00eda. Ah\u00ed es donde entran en juego la accionabilidad y la usabilidad.<\/p>\n
Durante los dos primeros a\u00f1os, fuimos un poco duros, organiz\u00e1ndolo todo. El primer momento \u2018\u00a1Eureka!\u2019 fue cuando toda la organizaci\u00f3n se dio cuenta de que pod\u00eda mirar el data y ver las tendencias de consumo en 147 mercados. En lugar de hacer suposiciones basadas en muestras de 5.000 personas, digamos, ahora podemos ver c\u00f3mo interact\u00faan un mill\u00f3n de visitantes, cada minuto de cada d\u00eda.<\/p>\n
Hace un par de a\u00f1os, lanzamos un coche nuevo en un mercado espec\u00edfico y detectamos que se estaban produciendo muchas compras cruzadas entre segmentos. Pod\u00edamos ver cu\u00e1ndo los clientes cambiaban de opini\u00f3n del modelo que pens\u00e1bamos que comprar\u00edan al que realmente compraron. Tambi\u00e9n pod\u00edamos determinar qui\u00e9n comprar\u00eda una transmisi\u00f3n autom\u00e1tica o una manual, por ejemplo. Ahora podemos consumir data y ver patrones significativos en el recorrido de compra del consumidor. Queremos saber qu\u00e9 quieren nuestros clientes y responder a ello.<\/p>\n<\/div>
Pascal: \u00bfPuede hablarme m\u00e1s de este cuadro de mando CEDAR, este centro de BI? \u00bfPor qu\u00e9 existe?<\/h2><\/div>D\u00e9v: No fue lo primero que construimos. Empezamos centr\u00e1ndonos en el data: \u00bfqu\u00e9 preguntas podemos hacer al data? \u00bfqu\u00e9 respuestas dar\u00e1 el data? Conseguimos hacernos a la idea en el primer a\u00f1o del programa. Luego se trat\u00f3 de \u2018democratizar\u2019 este data. Nos dimos cuenta de que tener la data no era el reto, sino darle sentido. Ah\u00ed es donde desarrollamos nuestra asociaci\u00f3n con Artefact para crear CEDAR home.<\/p>\n
CEDAR es una plataforma independiente que funciona en toda Nissan, y en todas las funciones, y contiene muchos cuadros de mando y perspectivas diferentes. Es nuestro centro de experiencia y conocimiento del consumidor, donde nuestra gente acude para ver el mundo como lo ven nuestros clientes. Cualquier persona de la empresa puede acceder a \u00e9l y, si no dispone de un nombre de usuario, basta con registrarse. Debe resultar tan f\u00e1cil como navegar por nuestro sitio web.<\/p>\n
Y lo que es m\u00e1s importante, como persona data, podemos echar un vistazo a la anal\u00edtica de CEDAR para entender c\u00f3mo se est\u00e1 utilizando, d\u00f3nde est\u00e1n los puntos de fricci\u00f3n, d\u00f3nde se pierde la gente y qu\u00e9 partes son \u00fatiles o no. En lugar de preguntar, sabemos.<\/p>\n<\/div>
<\/span><\/div>Pascal: \u00bfHa visto a gente utilizar CEDAR para tomar decisiones que antes no pod\u00edan? \u00bfO simplemente les ayuda a ahorrar tiempo?<\/h2><\/div>D\u00e9v: Tenemos mucha gente que toma buenas decisiones, pero la evidencia de que la gente utiliza CEDAR para tomar decisiones diferentes o decisiones que antes no pod\u00edan tomar es bastante satisfactoria.<\/p>\n
Iniciamos este viaje desde una perspectiva centrada en la experiencia del cliente. Quer\u00edamos que cualquiera que trabajara en la experiencia del cliente utilizara estos conocimientos. Pero muy r\u00e1pidamente se ha extendido a equipos de otras funciones como la planificaci\u00f3n avanzada de productos y la inteligencia de mercado. Todas estas funciones diferentes, a nivel global y de mercado, conocen CEDAR. Eso en s\u00ed mismo nos est\u00e1 dando mucho contexto sobre c\u00f3mo data se est\u00e1 volviendo m\u00e1s \u00fatil en toda nuestra organizaci\u00f3n y est\u00e1 siendo utilizado por diferentes tipos de funciones empresariales.<\/p>\n<\/div>
Pascal: H\u00e1bleme un poco del equipo. \u00bfQui\u00e9n est\u00e1 al mando?<\/h2><\/div>D\u00e9v: Data no lo es todo; hay que saber sacar provecho de ello. Aqu\u00ed es donde ayuda contar con el equipo adecuado. Cuando me incorpor\u00e9 a Nissan en noviembre de 2017, hab\u00eda dos personas en la pr\u00e1ctica global de data y a partir de ah\u00ed crecimos el equipo a trav\u00e9s de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.<\/p>\n
El pilar de la Medida se encarga de entender c\u00f3mo organizamos el data y lo convertimos en informaci\u00f3n. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sab\u00edamos que necesit\u00e1bamos la m\u00e1quina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar cient\u00edfico data. Tuvimos mucho cuidado de a\u00f1adirlo al final para asegurarnos de que no nos precipit\u00e1bamos y tra\u00edamos talentos que se aburrir\u00edan mucho, muy r\u00e1pidamente, porque no ten\u00edamos los casos de uso adecuados alineados.<\/p>\n
Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Jap\u00f3n), y trabajamos con equipos de an\u00e1lisis integrados en todos los mercados.<\/p>\n<\/div>
Pascal: \u00bfQu\u00e9 aspecto tiene el \u00e9xito? \u00bfC\u00f3mo ve el progreso de sus proyectos data en los pr\u00f3ximos dos a\u00f1os?<\/h2><\/div>D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
D\u00e9v: No fue lo primero que construimos. Empezamos centr\u00e1ndonos en el data: \u00bfqu\u00e9 preguntas podemos hacer al data? \u00bfqu\u00e9 respuestas dar\u00e1 el data? Conseguimos hacernos a la idea en el primer a\u00f1o del programa. Luego se trat\u00f3 de \u2018democratizar\u2019 este data. Nos dimos cuenta de que tener la data no era el reto, sino darle sentido. Ah\u00ed es donde desarrollamos nuestra asociaci\u00f3n con Artefact para crear CEDAR home.<\/p>\n
CEDAR es una plataforma independiente que funciona en toda Nissan, y en todas las funciones, y contiene muchos cuadros de mando y perspectivas diferentes. Es nuestro centro de experiencia y conocimiento del consumidor, donde nuestra gente acude para ver el mundo como lo ven nuestros clientes. Cualquier persona de la empresa puede acceder a \u00e9l y, si no dispone de un nombre de usuario, basta con registrarse. Debe resultar tan f\u00e1cil como navegar por nuestro sitio web.<\/p>\n
Y lo que es m\u00e1s importante, como persona data, podemos echar un vistazo a la anal\u00edtica de CEDAR para entender c\u00f3mo se est\u00e1 utilizando, d\u00f3nde est\u00e1n los puntos de fricci\u00f3n, d\u00f3nde se pierde la gente y qu\u00e9 partes son \u00fatiles o no. En lugar de preguntar, sabemos.<\/p>\n<\/div>
<\/span><\/div>Pascal: \u00bfHa visto a gente utilizar CEDAR para tomar decisiones que antes no pod\u00edan? \u00bfO simplemente les ayuda a ahorrar tiempo?<\/h2><\/div>D\u00e9v: Tenemos mucha gente que toma buenas decisiones, pero la evidencia de que la gente utiliza CEDAR para tomar decisiones diferentes o decisiones que antes no pod\u00edan tomar es bastante satisfactoria.<\/p>\n
Iniciamos este viaje desde una perspectiva centrada en la experiencia del cliente. Quer\u00edamos que cualquiera que trabajara en la experiencia del cliente utilizara estos conocimientos. Pero muy r\u00e1pidamente se ha extendido a equipos de otras funciones como la planificaci\u00f3n avanzada de productos y la inteligencia de mercado. Todas estas funciones diferentes, a nivel global y de mercado, conocen CEDAR. Eso en s\u00ed mismo nos est\u00e1 dando mucho contexto sobre c\u00f3mo data se est\u00e1 volviendo m\u00e1s \u00fatil en toda nuestra organizaci\u00f3n y est\u00e1 siendo utilizado por diferentes tipos de funciones empresariales.<\/p>\n<\/div>
Pascal: H\u00e1bleme un poco del equipo. \u00bfQui\u00e9n est\u00e1 al mando?<\/h2><\/div>D\u00e9v: Data no lo es todo; hay que saber sacar provecho de ello. Aqu\u00ed es donde ayuda contar con el equipo adecuado. Cuando me incorpor\u00e9 a Nissan en noviembre de 2017, hab\u00eda dos personas en la pr\u00e1ctica global de data y a partir de ah\u00ed crecimos el equipo a trav\u00e9s de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.<\/p>\n
El pilar de la Medida se encarga de entender c\u00f3mo organizamos el data y lo convertimos en informaci\u00f3n. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sab\u00edamos que necesit\u00e1bamos la m\u00e1quina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar cient\u00edfico data. Tuvimos mucho cuidado de a\u00f1adirlo al final para asegurarnos de que no nos precipit\u00e1bamos y tra\u00edamos talentos que se aburrir\u00edan mucho, muy r\u00e1pidamente, porque no ten\u00edamos los casos de uso adecuados alineados.<\/p>\n
Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Jap\u00f3n), y trabajamos con equipos de an\u00e1lisis integrados en todos los mercados.<\/p>\n<\/div>
Pascal: \u00bfQu\u00e9 aspecto tiene el \u00e9xito? \u00bfC\u00f3mo ve el progreso de sus proyectos data en los pr\u00f3ximos dos a\u00f1os?<\/h2><\/div>D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
D\u00e9v: Tenemos mucha gente que toma buenas decisiones, pero la evidencia de que la gente utiliza CEDAR para tomar decisiones diferentes o decisiones que antes no pod\u00edan tomar es bastante satisfactoria.<\/p>\n
Iniciamos este viaje desde una perspectiva centrada en la experiencia del cliente. Quer\u00edamos que cualquiera que trabajara en la experiencia del cliente utilizara estos conocimientos. Pero muy r\u00e1pidamente se ha extendido a equipos de otras funciones como la planificaci\u00f3n avanzada de productos y la inteligencia de mercado. Todas estas funciones diferentes, a nivel global y de mercado, conocen CEDAR. Eso en s\u00ed mismo nos est\u00e1 dando mucho contexto sobre c\u00f3mo data se est\u00e1 volviendo m\u00e1s \u00fatil en toda nuestra organizaci\u00f3n y est\u00e1 siendo utilizado por diferentes tipos de funciones empresariales.<\/p>\n<\/div>
Pascal: H\u00e1bleme un poco del equipo. \u00bfQui\u00e9n est\u00e1 al mando?<\/h2><\/div>D\u00e9v: Data no lo es todo; hay que saber sacar provecho de ello. Aqu\u00ed es donde ayuda contar con el equipo adecuado. Cuando me incorpor\u00e9 a Nissan en noviembre de 2017, hab\u00eda dos personas en la pr\u00e1ctica global de data y a partir de ah\u00ed crecimos el equipo a trav\u00e9s de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.<\/p>\n
El pilar de la Medida se encarga de entender c\u00f3mo organizamos el data y lo convertimos en informaci\u00f3n. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sab\u00edamos que necesit\u00e1bamos la m\u00e1quina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar cient\u00edfico data. Tuvimos mucho cuidado de a\u00f1adirlo al final para asegurarnos de que no nos precipit\u00e1bamos y tra\u00edamos talentos que se aburrir\u00edan mucho, muy r\u00e1pidamente, porque no ten\u00edamos los casos de uso adecuados alineados.<\/p>\n
Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Jap\u00f3n), y trabajamos con equipos de an\u00e1lisis integrados en todos los mercados.<\/p>\n<\/div>
Pascal: \u00bfQu\u00e9 aspecto tiene el \u00e9xito? \u00bfC\u00f3mo ve el progreso de sus proyectos data en los pr\u00f3ximos dos a\u00f1os?<\/h2><\/div>D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
D\u00e9v: Data no lo es todo; hay que saber sacar provecho de ello. Aqu\u00ed es donde ayuda contar con el equipo adecuado. Cuando me incorpor\u00e9 a Nissan en noviembre de 2017, hab\u00eda dos personas en la pr\u00e1ctica global de data y a partir de ah\u00ed crecimos el equipo a trav\u00e9s de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.<\/p>\n
El pilar de la Medida se encarga de entender c\u00f3mo organizamos el data y lo convertimos en informaci\u00f3n. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sab\u00edamos que necesit\u00e1bamos la m\u00e1quina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar cient\u00edfico data. Tuvimos mucho cuidado de a\u00f1adirlo al final para asegurarnos de que no nos precipit\u00e1bamos y tra\u00edamos talentos que se aburrir\u00edan mucho, muy r\u00e1pidamente, porque no ten\u00edamos los casos de uso adecuados alineados.<\/p>\n
Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Jap\u00f3n), y trabajamos con equipos de an\u00e1lisis integrados en todos los mercados.<\/p>\n<\/div>
Pascal: \u00bfQu\u00e9 aspecto tiene el \u00e9xito? \u00bfC\u00f3mo ve el progreso de sus proyectos data en los pr\u00f3ximos dos a\u00f1os?<\/h2><\/div>D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>
D\u00e9v: El \u00e9xito consiste en hacer que el data que generamos sea \u00fatil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir d\u00f3nde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las m\u00e9tricas de calidad del cliente que muestran c\u00f3mo conseguimos victorias a corto plazo o longevidad a largo plazo. As\u00ed es como se ve el \u00e9xito del programa de experiencia del cliente. El \u00e9xito del programa data consiste en seguir haci\u00e9ndolo muy sencillo y mantenerlo en crecimiento.<\/p>\n<\/div><\/div><\/div><\/div><\/article>