¿Qué o “Quién” es Watson?
Watson es un complejo sistema cognitivo creado por IBM capaz de entender el lenguaje humano y responder a su interlocutor de forma única y precisa. En el año 2011 Watson fue capaz de ganar el concurso estadounidense de preguntas y respuestas “Jeopardy!” contra sus dos mejores concursantes.
De este desarrollo nació Watson Analytics, una plataforma tecnológica en la nube que nos ayuda a la exploración y el análisis de datos, mediante un sistema avanzado de visualización y predicción analítica. Gracias a la computación cognitiva, que puede procesar el lenguaje humano, las personas son capaces de interactuar con el sistema de análisis de datos. Además, Watson Analytics es capaz de “aprender” por lo que cuanto más lo utilices mejores serán los resultados y la ayuda que será capaz de ofrecerte.
La capacidad de Watson Analytics de interactuar con el usuario mediante el lenguaje natural unido a su facilidad de uso, hacen que la extracción de conocimiento de los datos pueda llevarse a todos los ámbitos de la empresa.
¿Cómo funciona Watson Analytics?
En primer lugar, debemos tener en cuenta que Watson Analytics no es una herramienta de recolección de datos como Google Analytics o Adobe Analytics, no tendremos que insertar ningún píxel en nuestro sitio web. En su lugar, tendremos que subir o extraer de BBDD, mediante las diferentes opciones que nos ofrece la plataforma, nuestros datos para poder analizarlos.
Subiendo datos a Watson Analytics
El primer paso para poder hacer uso de la herramienta es proporcionarle los datos que queremos analizar, no obstante, y antes de ver las diferentes opciones, es necesario tener en cuenta una serie de factores que afectaran al resultado del tratamiento de los datos por parte de Watson Analytics:
- Idioma. No hay problema en subir nuestros datos en el idioma que queramos, pero si queremos sacar el máximo partido de Watson, os recomiendo que todos los encabezados de las columnas o cualquier jerarquía que tengamos estén en Inglés.
- Cualquier csv o Excel que subamos a la plataforma deberá estar lo más correctamente formateado en filas y columnas sin imágenes, encabezados, filas o columnas combinadas, además, hay que tener en cuenta que la primera fila del Excel será lo que Watson identifique como los headers.
- Si tenemos un archivo de Excel con diferentes pestañas, solo se subirá la primera.
- Un consejo sobre los meses… Al igual que pasa muchas veces con las tablas dinámicas, os recomiendo no crear columnas con el nombre de los meses, sino que creéis una columna que se llame mes y debajo coloquéis todos los meses. Así cuando pidáis una tendencia no habrá ningún problema.
Una vez logados en Watson Analytics, el primer paso será alimentar la plataforma con los datos que vayamos a trabajar para los que dispondremos de múltiples opciones:
En esta ocasión he elegido trabajar con un archivo de Excel ya que es el tipo de documento más común a la hora de exportar datos de nuestras herramientas de medición. Para ello lo haremos seleccionando la opción “Local files”.
El número que aparece en el archivo que acabamos de subir indica el “Quality Score” que asigna Watson Analytics a nuestros datos, este número se basa en un algoritmo interno de la herramienta, si tenemos valores vacíos en las celdas, si Watson es capaz de reconocer algunos valores que hayamos insertado etc. En definitiva, nos indica la idoneidad de los mismos para usar las opciones avanzas de la plataforma y no necesariamente que nuestros datos estén mal.
Preparando los datos con “Refine”
La herramienta “Refine” nos servirá para mejorar la estructura de nuestros datos y que Watson sea capaz de leerlos lo más adecuadamente posible, para así ofrecernos todo su potencial y que podamos realizar todas las acciones a nuestro alcance.
Es recomendable hacer este refinado de datos directamente en Watson ya que podremos crear copias del documento original con las modificaciones que necesitemos en cada ocasión. Algunas de las opciones que nos permiten realizar son las siguientes:
- Filtrado y renombrado columnas
Una de las cosas que más me sorprendió es lo avanzado que es el sistema de filtrado ya que tenemos opciones muy parecidas a las que nos solemos encontrar en nuestras herramientas habituales de medición.
Además, para el filtrado numérico nos encontramos con un sencillo slider que nos permite seleccionar de forma rápida el rango numérico que nos interese.
- Cálculos, jerarquías y agrupación de datos
La posibilidad de realizar cálculos y crear nuevas columnas con ellos también es una opción muy útil y potente. En este caso he calculado el % de Micro-Conversión el cual no estaba en las columnas de mi archivo.
- Agrupación de Datos
Esta opción es muy interesante ya que nos permite agrupar nuestras métricas y crear así nuevos conjuntos de datos. En mi caso he agrupado los meses del año en cuartos para poder ver el comportamiento de los usuarios en este contexto temporal.
- Jerarquías
Las jerarquías crean relaciones entre las diferentes columnas de datos que tenemos disponibles. Esto nos permitirá, una vez estemos visualizando los datos, poder hacer “breakdown” en los mismos y aumentar el detalle de nuestro análisis.
Explorando el dato
En este apartado es donde Watson Analytics empieza a brillar y a demostrar uno de sus valores diferenciales, podemos interactuar con los datos de forma natural, haciendo preguntas.
En primer lugar preguntamos sobre la tendencia de los ingresos por mes y producto y Watson nos ofrece varias sugerencias que se adaptan a nuestra pregunta.
Una vez accedemos al informe veremos la visualización que hemos seleccionado, así como información relacionada con nuestra búsqueda que nos da pistas sobre otros posibles insights. Además, si esta información adicional nos interesa, podemos pulsar en ella y acceder a su informe.
Por otro lado, el número de visualizaciones disponibles es bastante extenso y la herramienta nos sugiere cuáles se adaptan mejor al tipo de dato con el que estamos tratando, podemos acceder a ellas desde el icono superior izquierdo “Visualization”.
Desde el menú “Format” podemos modificar desde el título de nuestra visualización, hasta la leyenda, colores etc. como si de un gráfico de Excel se tratara.
Pulsando botón derecho en el eje donde tenemos los valores, podremos cambiar la forma en que mostramos los datos (medias, máximos, mínimos, etc.) En la parte inferior tenemos todas nuestras dimensiones o columnas (del archivo que subimos) las cuales podremos usar como filtros o arrastrarlas para cambiar los gráficos que hemos creado.
Por último, haciendo clic derecho sobre los elementos del gráfico, accedemos a más opciones de exploración de datos, podemos extraer una parte del conjunto de datos analizado y aplicarle otra dimensión disponible, compararla o hacer un cálculo.
Compartir
Para terminar con este primer artículo sobre Watson Analytics, no podemos dejar de hablar sobre las opciones para compartir nuestros datos fuera de la herramienta ya que podemos enviar nuestras visualizaciones por mail, Twitter, enlace o descargarlas en varios formatos como Power Point, Imagen o PDF, aunque sí que es cierto que podrían dejarnos seleccionar qué elementos, de todos los que se muestran en pantalla, queremos que se extraigan, sobre todo en los formatos que no podemos editar como el PDF o las imágenes.
En este primer artículo hemos repasado algunas de las opciones básicas a realizar cuando nos sentamos frente a Watson Analytics para poder visualizar nuestros datos y analizarlos, en el próximo artículo os hablaré de sus posibilidades predictivas y de la creación de Dashboards en la plataforma.
Os invito a que probéis Watson Analytics y compartáis la experiencia con nosotros!
