“Quien tiene el conocimiento tiene el poder”. Y quien trabaja con big data y herramientas de análisis de datos lleva esta cita grabada a fuego. En realidad, no es el conocimiento ni la información lo que nos hace poderosos, sino cómo lo utilizamos.
Cuando hablamos de big data o inteligencia de datos tendemos a asociarla a entidades financieras, energía, salud, etc. Pero es aplicable a todo, y la industria alimentaria y la restauración no son menos.
Hasta no hace mucho, los propietarios de restaurantes se movían por la experiencia y la intuición. Hacían todo lo posible por que el cliente satisfecho hiciera buena publicidad boca a boca y, si tenían cierto prestigio, de vez en cuando recibían las críticas de expertos y adquirían reconocimiento gracias a estas. Los propietarios aprendían observando cosas como qué plato se pide más, qué días u horas tiene más afluencia el negocio, cuánto personal necesitan haciendo qué y cuánto tiempo se tarda en dar servicio a una mesa. Pero esto tenía un trabajo manual detrás, y no todos estaban por la labor. O, sencillamente, no todos sabían desarrollar un método útil.
Quien quería conocer más datos se ponía en manos de empresas de telemarketing, pagaba publicidad o sondeaba a los comensales. Pero estas vías no siempre son fiables: el cliente no está dispuesto a dedicar unos minutos a responder una encuesta ni a todo el mundo le parece adecuado sincerarse con el jefe de sala si el arroz esta tan pasado como la cuenta.
Una acción, mil palabras
En algún momento de nuestra vida hemos evitado ir a casa de un amigo que nos tiene preparado un pase VIP de las fotos de sus vacaciones. Instantáneas que ya conocemos, todo sea dicho, porque son las mismas que ha ido subiendo a Facebook. Pero él quiere ofrecernos ahora la versión extendida con comentarios del director. En cambio, no nos importa en absoluto pasarnos horas cada día viendo en Instagram lo que come o cocina la gente. Porque lo vemos cuando queremos y porque queremos —o eso pensamos—.
¿Has compartido alguna foto de un plato de un restaurante? Si has hecho esto; o has pedido comida a domicilio; reservado a través de una app; pagado con tarjeta; usado un código promocional o dado me gusta a algún post de comida, restaurantes o cocineros… has proporcionado información a la restauración. La tarea —nada sencilla— del receptor de estos datos es procesarlos y traducirlos.
¿Te has fijado en el cambio de paradigma? Antes, un dato costaba dinero al restaurante y estos llegaban con cuentagotas. Conseguir, además, que esa información fuese sincera era un sueño. En la actualidad, el cliente proporciona esta información de manera altruista. Y cuanto más espontánea, más valiosa es. Además, se añade otro factor. A todos nos encanta ir de críticos gastronómicos. Y ya se sabe: quien tiene una boca, tiene una opinión, y no hemos venido a este mundo de red social a ahorrárnosla. Así que, datos everywhere.
Datos, ¿para qué os quiero?
Al ser correctamente interpretados, los datos que caen en manos de este sector —los que dejamos los usuarios de redes sociales, o los clientes en el momento de su experiencia, o los proveedores, o los que se generan con el propio funcionamiento del restaurante— hacen que estos negocios puedan optimizar su funcionamiento desde el nivel administrativo (reduciendo costes, tiempo, previsión de productos) hasta mejorando la experiencia del cliente, incorporando nuevas recetas o definiendo la estrategia de negocio de ese local.
El big data permite el análisis del comportamiento de clientes individuales o tomar decisiones más expansivas. Pero para llegar a ellas, antes se han tenido que procesar esos datos para hacerlos consumibles. Existen varios tipos de análisis del big data:
Descriptivo: Es el que resume lo que ha pasado. Es el más sencillo y manejable. Con él conocemos cómo está nuestro negocio.
Predictivo: Es el que reduce datos. Utiliza la llamada minería de datos a través de métodos de aprendizaje automático, estadísticas e inteligencia artificial para crear patrones. Con estos resultados se elaboran hipótesis futuras.
Prescriptivo: Con este análisis se obtienen datos que nos recomiendan qué decisiones tomar, generar planificaciones, reconsiderar la estrategia empresarial, etc.
El cliente no siempre tiene la razón, pero escúchalo
Cuando Ferran Adrià habla del método Sapiens, siempre dice que hay que comprender para crear. Podríamos añadir que también hay que comprender para corregir, para diagnosticar, para abandonar, para empezar y para acertar.
A través del análisis de datos tenemos la oportunidad de comprender y crear. En este sentido, ya se han conseguido crear inteligencias artificiales que leen los pasos de una receta, sin el nombre de esta, y producen una imagen del plato acabado. Si piensas en una zarzuela de marisco, un cocido madrileño o un cachopo, te puede parecer muy fácil hacerte a la idea del aspecto sólo leyendo cómo se prepara. Pero piensa en lo útil que es ver la foto del plato final cuando vas a un restaurante etíope, o al abrir un libro de recetas de cocina tailandesa para decidir qué plato te apetece hacer en casa.
Con la minería de datos los restaurantes pueden conocer qué expectativas tenía el cliente, sus costumbres o sus preferencias gastronómicas. Con este conocimiento pueden hacernos recomendaciones más certeras, sugerirnos platos o bebidas en función de nuestros gustos o crearnos una apetencia que ni siquiera sabemos que teníamos.
La inteligencia de datos ayuda a mejorar la experiencia del cliente, a ser más eficientes e incluso a crear nuevas recetas y tendencias gastronómicas. ¿Recuerdas el boom de los kebabs? ¿Crees que es casualidad que en tu barrio haya más restaurantes de ramen que papeleras? ¿Por qué un día el tartar de atún reinó en todas las cartas?
En 2014, las revistas Wired y Foodnetwork desarrollaron un proyecto de minería de datos con el que analizaron el éxito de los platos con bacon. Examinaron más de novecuentas mil clasificaciones y descubrieron que los bocadillos con este ingrediente tenían mejor puntuación en la mayoría de llas. En cambio, ¡sorpresa!, no ocurrió lo mismo con los postres con bacon. El ingeniero informático Lada Adamic, de la Universidad de Michigan, observó que ingredientes como el queso crema, la fresa o el aguacate tendían a aumentar las calificaciones. ¿Te han servido un plato que lleva alguno de estos productos aunque sea prescindible en él? Pues ya te puedes hacer una idea de por qué es.
Nota: Aprovecho este altavoz que se me da para decir que todavía hoy, en 2019, espero tener frente a frente a quien puntuó alto los platos con reducción de Pedro Ximénez. Fue prescindible hacernos pasar por aquello.
