General Loogic Startups
Seleccionar página
SetPay ante la expectativa de que todos acabemos pagando con el móvil

SetPay ante la expectativa de que todos acabemos pagando con el móvil

setpay

Parece mentira que a estas alturas de la película ninguna de las grandes empresas tecnológicas, como Google, Apple o Microsoft, hayan apostado realmente por el tema de los pagos con el móvil, y estén siento nuevas startups las que más riesgo asumen de tener que luchar contra los hábitos del usuario que está «demasiado» acostumbrado a pagar en metálico o tarjeta de crédito. Entre las muchas startups que se han metido en este futurible gran negocio, una de las primeras en hacerlo en España ha sido SetPay, fundada en Galicia por David Pombar y Xoan González.

SetPay ha contado con el apoyo del Banco Sabadell a través de su programa de alto rendimiento para empresas de nueva creación, BStartup 10. En poco más de dos años ha logrado más de 700.000 mil euros de financiación gracias a inversores privados y a ayudas públicas a la innovación. Desde febrero de 2014 Banc Sabadell participa en su capital, lo que le ha aportado solidez y respaldo en el sector.

Además la empresa acaba de llegar a un importante acuerdo con el banco alemán Privatbank, que respaldará sus operaciones financieras dentro de la Unión Europea. Este acuerdo facilita a la empresa de TPV móviles expandir su negocio a numerosos países en un corto tiempo, con especial atención a Portugal, y alcanzar así un rápido crecimiento a medio plazo.

Adidas compra Runtastic por 220 millones de euros

Adidas compra Runtastic por 220 millones de euros

runtastic

Pocas veces tengo la ocasión de publicar noticias de startups con las que tengo un vínculo como usuario o cliente, como es en este caso con Runtastic. Para mi esta sencilla aplicación ha sido una de las principales claves para que me haya aficionado a correr y haya conseguido disfrutar de correr grandes distancias. A mi Runtastic me ha ayudado a motivarme y superarme viendo cada día que salía a correr el progreso que iba realizando, las mejoras en velocidad y distancia, tan necesarias para todo corredor que quiere mejorar y se propone retos como correr una maratón.

Además para mi Runtastic también ha sido una inspiración a nivel profesional. En los cursos y charlas que realizo sobre modelos de negocio lo he utilizado como ejemplo de modelo de negocio basado en apps especializadas. Un modelo de negocio realmente sencillo y que funciona de maravilla, que ha llevado a la empresa a valer 220 millones de euros, que ha estado dispuesto a pagar Adidas para hacerse con la app y la comunidad de 70 millones de usuarios.

70 millones de usuarios entre los que nos encontramos muchos de los que hemos empezado a correr en los últimos años en esta especie de moda que está haciendo mucho bien por nuestra salud y también se está convirtiendo en un gran negocio, como por ejemplo demuestran las cotizaciones de empresas del sector.

Qué hará ahora Adidas con Runtastic? sin duda no estamos ante una operación meramente financiera, el gigante de la ropa y zapatillas deportivas buscará una integración de la app con sus productos para que una parte de esos muchos millones de usuarios de la comunidad de Runtastic también se conviertan en clientes de la empresa.

Visualización de datos, una necesidad para la empresa

Visualización de datos, una necesidad para la empresa

agosto

Los analistas de datos siempre han tenido la puerta abierta de las grandes empresas. Antes lo llamaban business inteligence, y se utilizaban complejas herramientas al alcance de muy pocos. Ahora los analistas de datos son expertos en big data, y la forma de encarar el reto del análisis ha cambiado con el desarrollo de nuevas tecnologías, tecnologías abiertas que están disponibles para todo el que las quiera usar.

El analista de datos ya no tiene que preocuparse tanto por las herramientas, ahora lo que tiene que hacer es utilizarlas adecuadamente y saber extraer la información útil para la empresa, y en particular saber exponer los datos de forma visual.

La información visual la entendemos con mayor facilidad, la distribución espacial de datos aporta información directa como resultado de los procesos que han llevado a esa agrupación visual.

No sólo la gran empresa necesita del análisis de datos. En cualquier negocio digital el análisis de métricas es una de las tareas primordiales en la que siempre insistimos. Por ejemplo el comercio electrónico tiene una necesidad de profesionalización enorme en el campo del análisis de datos para saber de dónde vienen los clientes y cómo se comportan.

La visualización de datos (de información en grandes cantidades) es un reto de comunicación, no basta con extraer la información, hay que presentarla de forma que sea fácilmente entendible por los que tienen que tomar decisiones dentro de la empresa.

Como ejemplos del trabajo de visualización de datos son muy conocidos los mapas mundiales de trending topics de Twitter al que corresponde la imagen del artículo (la puedes ver a tamaño completo pulsndo en ella), o las aplicaciones que visualizan desde composiciones musicales hasta las relaciones en las redes sociales o conceptos relacionados según su utilización online de cualquier tipo.

Si te interesa el mundo de la analítica de datos y en particular la visualización de datos, nuestro colaborador el Centro Universitario de Tecnología y Arte Digital (U-TAD) ofrece el programa de formación Experto en Data Visualization.

El despropósito de Linkedin con el Big Data

El despropósito de Linkedin con el Big Data

Artículo realizado por Jonatan Belarde.

No sabemos qué demonios le pasa a Linkedin, una empresa cuyo modelo de negocio está basado en la explotación y venta de los datos de sus usuarios en el campo del Business Intelligence para otras empresas y usuarios, y que en su caso muestra síntomas preocupantes de la aplicación torpe de estas técnicas. Aún no yéndole tan mal en su cuenta de resultados, y tras recuperarse del susto de Marzo cuando la compañía perdió el 30% de su valor (lo equivalente a 6.000 M/€), no son pocos los expertos que piensan que Linkedin está un mundo por detrás de sus competidores en el desarrollo del core de su negocio: el aprovechamiento y explotación de su base de datos y la extracción de valor añadido.

El modelo de negocio de Linkedin es tremendamente sencillo y común. Apenas se diferencia de sus competidores (Google, Twitter, Facebook…) cuyos ingresos llegan mayoritariamente gracias a la publicidad segmentada, con la salvedad de que Linkedin, además, es proveedor de información a sus usuarios a través de licencias. La ecuación es muy sencilla y directa: mejores datos permiten hacer recomendaciones más atractivas, anuncios más relevantes y por tanto, mayor ratio de interacción de los usuarios con ellos, mayor visibilidad y tráfico para los anunciantes, en última instancia mayores ingresos y beneficios para la plataforma. Para Linkedin, como un plus, mejor información a través de insights, le permitiría ingresar más a través de las licencias que tendrían mayor atractivo para los comerciales, empleadores, educadores, etc… que utilizan la plataforma.

Pero Linkedin parece no entenderlo, ¿cómo es posible que una empresa con uno de los modelos de datos más interesantes del planeta se permita el lujo de no explotarlo al nivel de sus competidores? Mientras Linkedin se ha quedado estancada ¿cómo están exprimiendo los datos el resto de plataformas?

Los avances de Facebook con la explotación de datos son notables, los algoritmos de recomendación de contenido le está permitiendo retener más tiempo al usuario en su plataforma, conociendo en mayor profundidad sus preferencias y articular nuevos modelos de negocio: ahora está en pleno desarrollo de su propio servicio de música en streaming. Con la compra de varias empresas en tecnología de reconocimiento automático de rostros y la identificación e interpretación de sus gestos, Mark Zuckerberg adelanta que Facebook está trabajando en la comunicación telepática. Este milagro de la tecnología se logrará transformando en datos la captura de nuestros gestos, y aplicando técnicas de Big Data para interpretarlas y lograr un conocimiento antes jamás soñado. Facebook trabaja intensamente en reconocer lo que pensamos, y lo que eso permite: predecir nuestro comportamiento, asociarlo a nuestro patrón comunicativo, de consumo…

Amazon sorprende nuevamente con un avance en el campo del Big Data. La empresa de Jeff Bezos hace una propuesta valiente y diferente  en la que remunerará a los autores de los libros electrónicos por página leída, en vez del clásico modelo de ingreso por libro comprado. Una forma de cambiar el modelo de la edición de libros basado en la captación y puesta en valor de los datos. De este modo Amazon pretende aumentar el consumo de páginas leídas y convertirlas en dinero. Aplicando técnicas de Business Intelligence y Big Data predecirá las preferencia de sus lectores y mejorará nuestra experiencia, y cómo no, aumentará las probabilidades de éxito de sus recomendaciones para aumentar los ingresos. Simplemente brillante.

Como analizamos en un reciente artículo sobre Spotify, la startup sueca es una de las empresas más atractivas y activas desde el punto de vista de la utilización de sus datos. Sus capacidades en la disciplina del Big Data ha desatado un verdadero vendaval en torno al negocio de la música que está a punto de sepultar a la industria musical clásica. Spotify, con la infraestructura de Big Data más grande de Europa y uno de los equipos humanos más cualificados del mundo, está explorando con notables resultados la conversión de la musicalidad de sus canciones (instrumentos, volumen, tono, ritmo, armonía, melodía, etc…) en secuencias de datos para darle un tratamiento conjunto y cruzarlos junto al resto de fuentes de datos: titulos de canciones, álbumes, artistas, letras, biografías, notas de prensa, menciones en redes sociales, listas, etc, etc, etc… un verdadero arsenal de datos que están “mezclando” para extraer mediante correlaciones, series temporales, predicciones y otras técnicas de Data Analytics modelos de conocimiento que permitan llevar la experiencia de usuario a cotas apenas imaginadas, aspirando a recomendar canciones de acuerdo a pautas musicales que ni siquiera sabíamos que nos gustaban.

Pinterest, Google y ahora Facebook ya están desplegando el botón de compra dentro del buscador o el feed de noticias, acercando la compra a golpe de un click de acuerdo a las preferencias de los usuarios y convirtiéndose en intermediarios dentro del ecommerce, pero sobre todo, logrando conocer los patrones de comportamiento del comprador más allá de los servicios clásicos de buscador o relaciones sociales.

Y mientras tanto ¿que está (y qué podría llegar a hacer) Linkedin?

Aferrado a la teoría de los 6 grados, Linkedin nos propone relaciones aún muy básicas y pobres, sin ningún tipo de valor añadido. (Mi madre no deja de insistirme en que trabaje de lo que he estudiado o que el próximo trabajo guarde alguna relación con el anterior :) Queremos decir que para este tipo de recomendaciones no necesitamos un complejo sistema de algoritmos dentro de una inmensa base de datos. Ni una costosa empresa detrás que lo procese.

El interés del Data Analytics no está tanto en acceder a información almacenada, como en ser capaz de proporcionar información y conocimiento oculto a través de cálculos matemáticos o estadísticos. La información evidente no genera mayor valor añadido. Además de sugerirnos quien podríamos conocer por las conexiones sociales más evidentes, ¿podría Linkedin proponernos Key People que representaría puntos de inflexión en nuestra carrera profesional? ¿Serían nuestras competencias más adecuadas para un desempeño del que no nos hemos percatado? ¿Están buscando para un puesto determinado competencias que poseemos? ¿Atiende nuestra actitud a un patrón de interés, más allá de nuestra formación y trayectoria?

EMPLEOS SUGERIDOS

Linkedin tiene los datos necesarios como para ser capaz, aplicando técnicas de Data Analytics, de proponernos ocupaciones de interés no evidentes para nosotros, fruto del conocimiento y análisis de los patrones laborales a lo largo de nuestra vida laboral, que sí conoce! Y podría cruzar este patrón con tendencias actuales del mercado laboral, patrones en la búsqueda de candidatos, noticias de actualidad o percepciones en internet, y avisarnos donde surgen oportunidades que aparentemente no se pueden detectar a simple vista. ¿Es nuestra conducta profesional cíclica? ¿Y este patrón para qué función laboral es más adecuada? ¿Atiende la elección o que logremos un empleo a razones ocultas en base a nuestros estudios y competencias, nuestro relacionamiento, al tipo de contenido que consumimos o compartimos? ¿Podría predecir Linkedin (y darnos o vendernos esa información) el puesto o la empresa que con más probabilidades se ajusta a mis intereses profesionales actuales? (Más allá de recomendarnos un trabajo igual al que tenemos o que tuvimos!)

Otro ejemplo de mala explotación de los datos en Linkedin son sus anuncios y que comparativamente a otras plataformas representa unos ingresos apenas residuales. Son impactos publicitarios muy poco relevantes, molestos y con muy poca interacción por parte del usuario. El poco valor añadido que logran los anuncios es un claro síntoma de lo poco avanzado del sistema de Data Analytics de Linkedin comparado con Facebook o Google. Sin duda podrían proponernos anuncios más interesantes de acuerdo a la información detallada que tienen de los usuarios en el campo profesional.

ANUNCIOS SUGERIDOS

Las recomendaciones de Linkedin llegan a ser auténticas perogrulladas, sirva como ejemplo por lo evidente que es, que por haber trabajado en una empresa concreta quizá conozcamos a alguien que trabaje allí, o que por haber trabajado de un determinado puesto nos interesen puestos similares.

Pero sin duda el caso más obsceno es el que nos encontramos cada vez que abrimos la aplicación de Linkedin en el Ipad. En mi caso, Linkedin me sugiere constantemente dos empresas que se llaman igual a una con la que he tenido relación. Esta recomendación tal vez tendría algún sentido para un consultor de patentes y registros de marca, pero para un usuario como yo ajeno a la disciplina, es lo mismo que por conocer a un José nos recomiende a todos los José de su base de datos. En definitiva, un insulto a la disciplina del Data Analytics.

EMPRESAS SUGERIDAS

¿Teneis la misma sensación de que Linkedin puede generar mucho más valor que el actual subiendo su nivel en técnicas de Big Data?

Análisis de la accesibilidad web en España

Análisis de la accesibilidad web en España

renfe

Artículo realizado por Jose Miguel Moreno, consultor SEO y experto en accesibilidad.

Internet ha mejorado mucho la vida de las personas. Esto es algo obvio para la mayoría de las personas. Nos ha facilitado infinidad de tareas, como por ejemplo. reservar un billete de tren por Internet, sin tener que desplazarnos hasta la estación. O como poner una denuncia en la página web de la Policía Nacional. O como escribirle una carta al Presidente del Senado para transmitirle alguna cuestión.

Pero las personas ciegas y sordociegas no pueden realizar ninguna de las tareas mencionadas, al menos por Internet. Ellos acceden a la información digital mediante lectores de pantalla y líneas braille. Pero para poder percibir, comprender o interactuar con una web, la página debe incorporar ciertas características que la hagan accesible para esas tecnologías de apoyo.

Y cuando una Aministración o Entidad pública ofrece contenidos digitales a los usuarios debe procurar que dichos contenidos sean accesibles para las personas discapacitadas, porque así lo recoge la legislación vigente desde 2007 (Real Decreto 1494/2007), y sancionable desde 2009. El importe de la sanción por infracciones graves es de 1.000.000 de euros más la pérdida de ayudas y subvenciones del Estado.

Pero, tal como podemos ver en este exhaustivo análisis de la accesibilidad web en España, la normativa actual sobre accesiblidad web es papel mojado y no sirve absolutamente para nada. Según el estudio, la mayoría de las páginas de Administraciones y Entidades públicas que están obligadas a ser accesibles siguen presentando barreras digitales para las personas discapacitadas.

Un caso llamativo es el de Renfe: en Abril de 2013, un grupo de personas ciegas, en colaboración con la Asociación Catalana para la Integración del Ciego (ACIC), presentó una denuncia contra Renfe por su falta de accesibilidad web. A día de hoy, el Ministerio de Sanidad se está planteando archivar la causa porque consideran que en Renfe ya se han puesto manos a la obra y que su página web ha sufrido cambios sustanciales en los últimos años que han aumentado su accesibilidad.

Pero nada más lejos de la realidad: ni se han implementado mejoras, ni ha cambiado sustancialmente la web de Renfe en los últimos años. Existen varios informes que dejan constancia de esto: uno de redd.es, otro de INTECO y el breve informe técnico que incluye el análisis de la accesibilidad web en España anteriormente mencionado. Pero tampoco es necesario un extenso informe técnico para comprobar si una web es accesible o no: pueden preguntarle directamete a cualquier persona ciega o sordociega si alguna vez ha conseguio reservar un billete en Renfe. La respuesta es obvia: si para una persona normal resulta muy dificultoso reservar un billete en Renfe, ¡imagínese para una persona ciega!. Para ciegos y sordociegos resulta totalmente imposible, ya que al no incorporar características accesibles, los lectores de pantalla no son capaces de identificar ni rellenar los diferentes campos del formulario de reserva de billetes.

A pesar de haber incumplido la normativa durante más de siete años, y de seguir haciéndolo, probablemente Renfe no será sancionada, cuando la legislación especifica claramente que su incumplimiento reiterado conllevará diferentes sanciones.

Por ello, tenemos que movilizarnos para pedirle al Ministerio de Sanidad, Políticas Sociales e Igualdad, que es el órgano competente para este asunto, que recapacite. Que debe sancionar a Renfe porque, de no hacerlo, estará diciéndole a todas las Entidades que pueden hacer lo mismo. Estarán diciéndole a las personas ciegas y sordociegas que, si quieren reservar un billete de tren, se desplacen a la estación. Que si quieren consultar sus facturas de luz, agua o gas, que se busquen la vida para contactar con sus proveedores por teléfono, cuando los usuarios videntes pueden hacerlo por Internet. Estaremos diciéndole a las personas ciegas que bajen al supermercado a comprar, porque para ellos no existe la posibilidad de encargar la cesta por Internet. Y la misma discriminación ocurre si una persona discapacitada quiere reservar un billete de avión o barco, o consultar sus facturas de teléfono, banco, luz, agua o gas. Pues lo mismo ocurre con infinidad de tareas.

Si consideras que estas mejoras podrían ser beneficiosas para las personas ciegas, puedes colaborar difundiendo este artículo o enviando un tuit a la cuenta del Ministerio de Sanidad pidiéndoles que sancionen a Renfe, o difundiendo el mensaje de la forma que se te ocurra.

300.000 euros de inversión en la app Winkmi

300.000 euros de inversión en la app Winkmi

Winkmi

La aplicación Winkmi, que ofrece un Chat Secreto para compartir momentos y conocer gente, ha anunciado la realización de una ronda de inversión de 300.000 euros en la que han participado directivos de Google y Nokia como José María Pérez Sastre (Industry Manager en Google) y Hyun Park (ex- Director Global de Marketing Digital Nokia).

Winkmi permite compartir momentos, conocer gente y chatear de forma secreta (en un chat donde todo desaparece tras ser visto). En la app se pueden compartir contenidos (con amigos o con la comunidad) y los usuarios pueden monetizar sus contenidos a través de las donaciones de otros usuarios a sus contenidos. Su éxito en China alcanzando los 600.000 usuarios (con la versión local “Weimi”) ha despertado el interés de inversores del gigante chino Tencent (Wechat).

WeCollect se propone potenciar el coleccionismo de arte en España

WeCollect se propone potenciar el coleccionismo de arte en España

WeCollectLa semana pasada tuvo lugar en la EOI la presentación de proyectos del Coworking Redepyme. Entre las startups presentadas destacó el proyecto WeCollect gracias a su original modelo de negocio y por el mercado al que se digire que aún se mantiene muy poco explorado a nivel online.

WeCollect se presenta como el club de los coleccionistas de arte actuales y para ello ha ideado un modelo de negocio de suscripción para aficionados al arte que quieren acceder a descuentos, actividades y formación especializada. Para ello el club de coleccionistas de arte propone para la próxima temporada más de 100 actividades exclusivas para coleccionistas, asesorías privadas con prestigiosos expertos y cursos de formación para profesionalizar el coleccionismo de arte. Inauguraciones exclusivas en galerías y centros de arte, visitas privadas a ferias, estudios de artistas o casas de coleccionistas, viajes organizados, afterworks, cenas, fiestas, … son algunas de las actividades.

Ver mucho arte, estar bien asesorado y contar con una formación específica en arte y coleccionismo son las tres características que diferencian a un buen coleccionista de otro no tan bueno. WeCollect cubre estas tres necesidades del comprador de arte actual con un ambicioso programa que incluye, entre muchas otras actividades, cursos de formación o talleres sobre coleccionismo de arte todos los miércoles e inauguraciones privadas o afterworks todos los jueves en diferentes galerías y centros artísticos.

Ronda de inversión de 120.000 euros en MagicBerrys

Ronda de inversión de 120.000 euros en MagicBerrys

magicberrys

MagicBerrys es una empresa centrada en el mundo de la alimentación que, sin ser tecnológica, está aplicando en gran medida las formas en las que suelen crearse y desarrollarse las startups. El objetivo de este proyecto es dar a conocer y explorar el enorme potencial de una fruta africana con propiedades gustativas revolucionarias. Se trata de una fruta que transforma cualquier sabor ácido en dulce, por lo que puede llegar a mejorar la calidad de vida de personas con restricciones alimenticias como los diabéticos u obesos, así como lidiar con las alteraciones del gusto en pacientes de radioterapia y quimioterapia que afectan a más de dos tercios de las personas con cáncer tratadas.

El objetivo de MagicBerrys consiste es poner en el mercado alimentos funcionales derivados de esta fruta. Para ello la empresa ha realizado su primera ronda de inversión con la que iniciará la investigación necesaria para autorizar el consumo de la “miracle berry” en la Unión Europea. Para ello cuenta con 120.000 euros provenientes de inversores privados.

MagicBerrys también quiere adentrarse en el mundo de la restauración como un nuevo producto para que chefs, reposteros y cocteleros den rienda suelta a su imaginación fomentando la innovación culinaria y la inclusión de nuevos alimentos beneficiosos para la salud, pero descartados hasta ahora por su mal sabor. También permite la elaboración de recetas dulces sin azúcares añadidos ni edulcorantes artificiales.

Suez y el CDTI invierten en la startup de IoT Carriots

Suez y el CDTI invierten en la startup de IoT Carriots

carriots_logoVento, fondo de inversión de Suez y CDTI gestionado por Suma Capital, suscribe una participación minoritaria en la plataforma líder Carriots. El objetivo de esta inversión es financiar el fuerte crecimiento que está experimentando la compañía así como promover los nuevos desarrollos en el área de I+D en los que está trabajando.

Carriots es una startup fundada en 2011 como spin-off de Wairbut y capitaneada por Miguel Castillo (CEO) y Álvaro Everlet (CTO), para ofrecer una plataforma horizontal en la nube para el desarrollo de soluciones de proyectos relacionados con la Internet de las cosas (IoT). Esta plataforma, considerada como una de las líderes del sector por diferentes medios especializados, permite la recolección de datos de objetos conectados, su almacenamiento, y construcción de aplicaciones con pocas líneas de código para su potencial integración con sistemas externos.

Carriots proporciona un entorno horizontal de desarrollo, APIs y hospedaje (en nube pública, privada u on-premise) que permite desarrollos verticales en varios sectores clave como son: Industria, Utilities, Telcos y Smart-Cities. Actualmente la empresa cuenta con una sólida base de clientes en 4 continentes (algunos del Fortune 500 como Cisco Systems, ArcelorMittal o el Grupo Enel). Sobre esta base y la construcción de una red de partners estratégicos, la compañía ha diseñado un fuerte plan de crecimiento basado en una expansión territorial, el desarrollo de nuevos productos para consolidar su posición de liderazgo en innovación y la especialización sectorial.

Cómo Spotify utiliza el Big Data para cambiar la industria de la música

Artículo realizado por Jonatan Belarde.

El negocio de la música en streaming, que hasta hace poco tiempo tan sólo había sido explorado por algunas startups visionarias y creyentes en el modelo, se ha convertido en una guerra abierta por las principales empresas tecnológicas. A pocos días de que Apple anunciara su propio servicio Apple Music, -que por cierto está siendo investigado por posibles violaciones a las leyes antimonopolio- y Google adecue su plataforma Youtube para ofrecer el servicio, Spotify acaba de levantar una nueva ronda de financiación de 526 millones de dólares que le pemitirá desarrollar su estrategia y mantener sus tres cuartas partes del mercado de los usuarios de música en streaming. Han participado inversores de diferentes regiones y de primer nivel como Goldman Sachs, a través de su fondo Global Private Opportunity Partners, los ingleses Baillie Gifford, Landsowne Partners y Rinkerberg Capital; y los fondos canadienses Senvest Capital y Discovery Capital Management. Asimismo, han invertido también los inversores estadounidenses Halcyon Asset Management, GSV Capital, DE Sahw & Co, Technology Crossover Ventures, Northzone y P. Schoenfeld Asset Management. Pero sobre todo la operadora sueca de telefonía móvil TeliaSonera, que ha invertido 115 millones de dólares en la compañía a cambio de un 1,4 por ciento de sus acciones.

¿Qué hace esta compañía tan atractiva para los inversores? Evidentemente sus cifras, sus resultados, el potencial inmenso del mercado mainstream al que se dirige, su ambición por cambiar la industria de la música y su conocimiento para poder hacerlo. Si alguien piensa que la especialidad y el motor del negocio de Spotify es la música está equivocado. El core-business de Spotify está relacionado con algo diferente llamado Big Data. Su éxito radica en su capacidad y destreza de computación, no en vano Spotify dispone del mayor conglomerado Hadoop de Europa (infraestructura informática de Big Data), en cuyo manejo trabajan 7.000 profesionales de la informática y las matemáticas.

Auténticos maestros del Big Data, Spotify está a la altura de los mejores del mundo como puede ser Google, Facebook o Amazon. No es extraño que una empresa valorada en 7.500 millones de € y que en su día aspiró a comprar Google, se desarrollase en un ámbito como el de la música generadora de ingentes cantidades de datos, y de la que se pueden extraer verdaderos insights (revelaciones) que posteriormente monetizan con notable talento. Spotify predijo el año pasado con un 67% de precisión (que no está nada mal para el número de candidatos que tenían que ser considerados) los ganadores de los premios Grammy examinado los datos de sus usuarios (hábitos de escucha, suscriptores a una lista de reproducción, la popularidad de un artista, etc). Shazan hizo lo propio prediciendo con 33 días de antelación el top de listas de ventas usando sus propios datos.

La categoría de los servicios musicales mediante streaming se ha vuelto suculenta y pone en peligro todo el modelo de la industria musical más tradicional. Este pasado mes de marzo, y por primera vez en la historia, la música consumida en streaming ya genera más dinero que la música distribuida en Cds. Sólo los ingresos pagados por Spotify a los titulares de los derechos de las canciones desde su lanzamiento en 2008 supera los 3 mil millones de dólares.

Con una estrategia basada en las alianzas para incursionar en cualquier tipo de dispositivo y llegar así a todos sus públicos -cualesquiera situaciones se encuentren- ha conseguido importantes acuerdos con los principales fabricantes de smart tv para estar en los hogares, con UBER para estar en los automóviles, con Starbucks en las cafeterías, Nike mientras hacemos running… es ya la líder mundial en distribución de música en streaming.

En 2014 se consumieron 4.500 millones de horas de su música en los 58 países donde se encuentra disponible. De los 60 millones de usuarios activos, más de 15 millones son suscriptores de pago (10€/mes). El ratio del 20% de suscriptores premium es la envidia de la industria tecnológica. Su página de facebook es seguida por 6,8 millones de personas (1,34 millones en Twitter) y sus usuarios han creado 1.500 millones de listas de reproducción. Sólo los usuarios de Spotify generan 600 Gigabytes de datos por día!! También por día se añaden más de 20.000 canciones que en total suman más de 30 millones de canciones almacenadas y reproduciéndose en sus servidores.

Según declaraciones de Frederick Johansson (Marketing Analytics Manager), el enfoque de Spotify se puede resumir con las siglas en inglés DIBB (Datos, Insights, Creencias, Apuestas). Los directivos reciben los datos y los conocimientos derivados del equipo de análisis, y son capaces en muy poco tiempo de desarrollar las ideas e hipótesis que luego se ponen a prueba con inmediatez. Las hipótesis se prueban con un pequeño segmento de clientes de Spotify para entender lo que funciona. Su mantra es Piensa, Construye, Activa, Corrige.

Pero esto no es todo. Con la compra de la empresa The Echo Nest en 2008 por la que pagó 200 millones de dólares, Spotify adquirió la capacidad de extraer y analizar datos de un gran número de fuentes más allá de sus propias bases de datos. The Echo Nest ya era capaz de recopilar diariamente información de más de 10 millones de páginas web de música de las que extrae y correlaciona información sobre titulares periodísticos, declaraciones de los artistas, descripciones y comentarios de los usuarios, catálogos de canciones de todas las partes del mundo… cada palabra que alguien profiere en Internet acerca de la música pasa por los sistemas de Spotify que busca términos descriptivos, sintagmas nominales y otros textos, que posteriormente modelizan en lo que llaman «vectores culturales”. De esta manera crean mapas de características de las canciones y artistas de forma automática a través del análisis acústico y textual. Sus capacidades predictivas asociadas a la tecnología de recomendación le permitió el año pasado recopilar un billón de puntos de datos de 35 millones de canciones de 2,5 millones de artistas que pasaron a formar parte a su inmensa base de datos.

Precisamente uno de los problemas a los que se enfrentaba Spotify antes de la nueva ronda de financiación era de índole económica por tener que ser capaz de procesar tanta cantidad de datos en tiempo real mediante técnicas de Machine Learning, que deben ser capaces de hacer las recomendaciones a los oyentes de canciones y artistas según cientos de parámetros de control en tiempo real. Diariamente, sólo su cluster de 700 nodos de Hadoop genera 4 terabytes de datos con un total de 28 petabytes de almacenamiento repartidos en 4 Data Centers (centros de datos) en todo el mundo. Este servicio lo provee Amazon Web Services (AWS) que se frota las manos con uno de sus clientes más importantes.

El negocio de Spotify se hace basa íntegramente en la analítica de datos y se aplica en prácticamente todos los procesos de negocio de la compañía, desde la inteligencia de negocio para la estrategia, hasta la experiencia de usuario, pasando por el diseño y la ergonomía de navegación en web y aplicaciones, etc…

Spotify ya está trabajando en el uso de un tipo de inteligencia artificial mucho más avanzado llamado «aprendizaje profundo» para hacer una mejor lista de reproducción de música para el usuario y extraer un conocimiento hasta ahora impensado. Mediante esta técnica se teje una red neuronal para el servicio de música en streaming que podría reconocer patrones como progresiones de acordes de la música sin necesidad de expertos en música. De forma automática y hecho por maquinas se extraerían atributos de las canciones hasta el momento no exploradas. Con este sistema se podría introducir a un oyente a una canción, álbum o artista desconocido de acuerdo con sus preferencias auditivas, y no sólo de información escrita. Se trata de mezclar la información escrita de la canción, álbum y artista con la musicalidad y el sonido para establecer patrones de preferencias. Cogiendo las formas de las ondas acústicas y transformándolas en dato se puede crear un modelo genérico con gran potencial para la industria porque permitirá hacer sugerencias de canciones basadas en sus cualidades acústicas (tono, tempo, volumen, distorsión de una guitarra, melodías, voces, secuencias, etc…) y sobre todo permitirá descubrir nuevos nichos de música desconocida para los usuarios. La idea es predecir qué canciones pueden gustar a los oyentes, incluso cuando los datos de uso no están aún disponibles.

Desde recomendarnos qué canción queremos escuchar en función del ritmo que llevamos haciendo footing, mostrar el anuncio que con más probabilidad convertirá a un usuario en cliente, hasta las toplists que con más probabilidad tendrán éxito, la configuración de los botones de las aplicaciones para mejor experiencia de usuario (A/B testing), hasta el enriquecimiento de sus propios datos con otras fuentes como los mapas, datos de salud, transporte, consumo, etc… Spotify dispone de un terreno de juego espléndido para desarrollar su ambicioso plan de transformar la industria de la música; y por ahora lo están haciendo verdaderamente bien.

Página 8 de 128« Primera...678910...203040...Última »