Tecnologías de computación cognitiva en base a big data de clientes y consumidores

Resumen

Proyecto de “data analytics” para organizar la información y los requerimientos específicos, monitorización / sensorización de procesos y parámetros del consumidor, por inteligencia artificial y así proponer soluciones personalizadas.

Descripción

“Tech Transfer Agri-food“ es un Fondo de Inversión, apoyado por diferentes partícipes de la Industria alimentaria junto con el Instituto de Crédito Oficial; y que tiene como objetivo apoyar el desarrollo de nuevas tecnologías o start-ups que puedan generar un alto valor añadido en el sector agroalimentario. El Fondo de inversión financia el desarrollo de pruebas concepto, que pemitan reducir el tiempo de lanzamiento y faciliten la rápida implementación a mercado.

La facilidad de acceder a la información en tiempo real sobre lo que está pasando en el consumidor y las redes sociales, es una cuarta parte de los datos que la Inteligencia de Negocios (Business intelligence) convencional está ignorando, y que el mercado está evidenciando. En pleno siglo XXI donde cualquier cambio social, económico o político nos permite tomar decisiones instantáneamente para analizar, y poder reaccionar a tiempo; nos hace posible acceder a un muy bajo costo a gran cantidad de datos, para crear perfiles de comportamiento de consumidores, etc… que no estaban disponibles.

El objetivo es el diseño, programación de un sistema de captación de datos intracompañia, redes sociales  y mercado, para por machine learning e inteligencia artificial generar modelos de predicción cognitiva que permitan entender el comportamiento del consumidor y anticiparse a sus preferencias, tendencias, etc… generando propuestas de productos y tendencias personalizadas.

Tendencias macro:

• Alimentación personalizada y saludable
• Convenience
• Sostenibilidad

Palabras clave

Business intelligence, big data, machine learning , analítica avanzada de datos.

Posibles aproximaciones

• Acercamiento cuantitativo al branding como tractor del posicionamiento y de las ventas: estimación del peso específico que tiene una marca en el sector (patrocinios, publicidad mass media, RSC, etc…)
• Personalización de contenidos y estrategias de marketing a través de audiencias muy definidas y concretas.
• Datos consolidados del mercado, consumidor y competencia.

Requerimientos

Uso de big data con matching learning para generar perfiles de consumo y nuevas oportunidades de negocio.