Cómo competir utilizando Big Data y Analytics

Cómo competir utilizando

Big Data y Analytics

Guillermo Girón R.

Business Information Regional Consultant

[email protected]

2009

800,000 petabytes

Gran cantidad de datos y contenidos vienen para la próxima década

44x

frecuentemente toman decisiones basados en

información en la que ellos no confian o no tienen.

1 de 3

83%

Los CIOs citaron “Business intelligence y analytics” son parte de sus planes

visionarios para mejorar la competitividad.

Lideres empresariales dicen no tener acceso a la información que ellos necesitan para hacer su trabajo

1 de 2

Los CEOs necesitan hacer su mejor trabajo para capturar y entender la información que les permita tomar decisiones empresariales

rapidamente.

60%

no estructurados

80

%

Sobrecarga de Información… Pero a falta de

Insight

2020

3

Desafíos

Transformarse en empresas ágiles con crecimiento en equilibrio, eficiencia, con capacidad de adaptase rápidamente a los cambios del entorno

Imperativos del Negocio Acciones en el Negocio Volverse ágiles en el mercado Desarrollar visión de los clientes Gerenciar activamente el riesgo Innovar en productos, servicios y canales Alinear operaciones y reducción del costo

Desafíos del Negocio

Incrementar ingresos por clientes

Reforzar los estados financieros Contener el costo de cumplimiento Optimizar el modelo operativo Foco en la administración del riesgo Economía global turbulenta Regulaciones incrementadas Clientes empoderados

Imperativos sociales Mayor competencia Innovación

• Altamente informado • Sensitivo al precio • Socialmente conectado • Confía en las masas (gente)

• Auto-promocionado (status de redes sociales) • Gratificación instantánea (Generación “now”)

• Inconsciente de seguridad (suben grandes cantidades de información personal)

Retos que requieren nuevos enfoques

Clientes Empoderados

Fuentes: IBM Institute for Business Value - Say Hello to Customer 3.0 Accenture

Es fundamental en el cambio de percepción de los clientes de los bancos de tener un enfoque ventas de producto a uno de agregar valor y mejorar la vida de la gente.

5

Tendencias

En el estudio CxO 2013 Banca y Servicios Financieros, IBM identificó cuatro imperativos de negocios en los cuales los bancos deben enfocarse.

El cliente incluido en el desarrollo de la estrategia Incrementar flexibilidad y optimizar operaciones Impulsar innovación analítica para entender al cliente Extender la colaboración con proveedores y empleados 9 de 10 CxOs esperan trabajar más cerca de la opinión de los clientes. Todos CxOs planean

centrarse más en la experiencia del cliente en el futuro Mejorar el apalancamiento operativo con estructuras de costos variables que incrementan la flexibilidad y reducen el riesgo Romper con el paradigma de segmentos de mercado, entender al cliente como persona y reconocer los momentos de vida. CxOs quieren colaborar mucho más ampliamente a través de fronteras internas y externas en los próximos años

6

Perspectiva Global

Conocimiento de cliente - Nuevo concepto de segmentación “Uno a uno"

Mercadeo Masivo

Curva normal Std como mercadeo de masas

• La familia nuclear • Cambios generacionales • Demografía y tamaño de cuenta

Segmentos de Mercado

Curva normal Std colas anchas 3 a 4 segmentos de clientes

• Aspectos socio-económicos • Gustos y preferencias • Tipo de contacto

Segmento uno a uno

Concentración de agrupaciones de interés

múltiples segmentos y campañas

• Segmentación granular • Eventos / lugares • Preferencias actuales

• Más dispositivos de contacto / preferencias • Sentido de pertenencia • Redes sociales • Eventos en vivo • Generaciones • Global • Estilos de vida

Que nos dicen nuestros Clientes . . .

• Los Volumenes pueden ser extremadamente altos

– Datos potencialmente valiosos estan inactivos o descartados (tamaño/performance) – Demasiado cara para justificar la integración de gran volumen de datos no

estructurados

• Gran parte de sus datos son no estructurados, o en estructuras muy variables, que son difíciles de analizar.

• Dificultad para integrar información que se encuentra distribuida en multiples sistemas e Internet

Desafío: Estudio de gran Volumen & Variedad de información

para encontrar nuevos puntos de vista

Identicar criminales y

amenazas en medios dispares como video, audio, y fuentes de datos

Tomar decisiones de riesgo basados en datos

transaccionales en tiempo-real

Predecir los patrones climáticos para planificar el uso de turbinas, y

optimizarla inversión de capital

en la ubicación del activo.

Detectar-afecciones

potencialmente mortales en los hospitales al momento de intervenir

Multiples-canales para analizar los sentimientos y experiencia del cliente

Volume of Tweets creados diaramente

12+

De diferentes tipos de datos.

100’s

Tomadores de decisiones Creen en la información que tienen.

Solo

1 in 3

Nos estamos moviendo a una Nueva Era de

Tecnologías de la Información y Desafío de las 4 V

Eventos de trading por segundo.

5+

Velocity

9

Extracción de conocimiento a partir de un inmeso volumen, variedad y velocidad de

datos, en el contexto, más allá de lo que antes era posible

¿Qué hace una Plataforma de Big Data?

Analiza Información en Movimiento

Análisis de flujo de datos

Saturación de grandes volúmenes de datos y análisis ad-hoc

Analiza una Variedad de Información

Analítica novedosa en un amplio conjunto de información mixta que antes no se podía analizar

Descubre y Experimenta

Analítica Ad-hoc, descubrimiento de datos y experimentación

Analiza Volúmenes de Información Excesivos

Procesa de manera rentable y analiza PBs de información Administra & analiza grandes volúmenes de datos estructurados relacionales

Gestiona y Planifica

Aplica estructura de datos, integridad y control para garantizar la coherencia de las consultas repetibles

Big Data:

Integrado en Arquitectura de Información Empresarial

•

Big Data

•

NO debe ser un Silo

– Se debe integrar plenamente para ofrecer valor

•

Debe ser

Plataforma Big Data Data Warehouse

Integración Empresarial

Análisis de Operacioes

Anlizar una variedad de datos generados por instrumentos losresultados del negocio.

Enriquecimiento del Data Warehouse

Integrar las capacidades de big data y data

warehouse para mejorar la eficiencia operacional y enriquecimiento de los datos

Big Data Exploration

Buscar, visualizar, entender big data para mejorar el

conocimiento del negocio.

Visión de 360o _{del Cliente}

Mejorada

Lograr una verdadera vista únificada que cuente además con fuentes externas a la empresa.

Seguridad/Inteligencia Extensión

Menor riesgo, detectar fraude y monitorear la seguridad en el web en tiempo real.

Visión 360º del Cliente Mejorada:

Caso Éxito

Master Data

Management

Unified View of Party’s Information

CRM J Robertson Pittsburgh, PA 15213 35 West 15th Name: Address: Address: ERP Janet Robertson Pittsburgh, PA 15213 35 West 15th_St. Name: Address: Address: Legacy Jan Robertson Pittsburgh, PA 15213 36 West 15th_St. Name: Address: Address: SOURCE SYSTEMS Janet 35 West 15th_St Pittsburgh Robertson PA / 15213 F 48 1/4/64 First: Last: Address: City: State/Zip: Gender: Age: DOB: 360View of Party Identity

BigInsights Streams Warehouse

Análisis de Operaciones

• Ganar visibilidad en tiempo real acerca

de las operaciones, experienica de clientes, transacciones y

comportamiento

• Planificación de aumento de eficiencia

operacion de forma proactiva

Analizar una variedad de datos de dispositivos

para mejorar el resultado del negocio

Aprovechar y entender los datos generados por sensores o servidores que antes costaba

mucho poder procesar

La habilidad de analizar machine data y

combinarla con los datos empresariales para tener una visión completa, permite:

• Identificar e investigar anomalías

• Monitorear de punta a punta la

infraestructura para que proactivamente se pueda evitar degradación de servicio o caídas de los sistemas

26



Optimiza el consumo de energía del

edificio con vigilancia centralizada y

control del sistema de monitoreo del

edificio



Automatiza el mantenimiento

preventivo y correctivo de los

sistemas correctivos del edificio



Utiliza Streams, InfoSphere

BigInsights y Cognos

-Analítica de Registro

-Pronóstico del Gasto de Energía

-Optimización del consumo de energía

-Detección de uso anómalo

-Gestión consciente de la energía

-Aplicación de políticas

Cisco Implementó la

solución de Big Data para

la gestión de

Integrar capacidades de big data y data

warehouse para incrementar la eficiencia

operacional

Enriquecimiento del Data Warehouse

Necesidad de analizar variedad de datos Extender la infraestructura del DW

• Optimización de storage, mantenimiento y

optimización de costos de licenciamiento mediante la migración de datos no utilizados hacia Hadoop

• Preprocesamiento de datos previa a la carga

del data warehouse

• Fuentes de datos Estructurados,

No-Estructurados, y datos de tipo streaming que son requeridos para análisis

profundo y detallado

Caso de Estudio: Visa

http://www.youtube.com/watch?v=8M8RoxBvkSY

Establecer un sistema en el cual los comercios envían

ofertas focalizadas, basadas en la ubicación geográfica

de

sus

clientes inscritos en el

programa mediante su

dispositivo móvil

en tiempo real

basado en la utilización de

su tarjeta de crédito

Infraestructura de BIG DATA

Las nuevas aplicaciones analíticas

impulsan los requisitos para una

plataforma big data

‒

Integrar y gestionar toda la variedad,

velocidad, volumen y veracidad de

datos (V4)

‒

Aplicar análisis avanzados a la

información en su forma nativa

‒

Visualizar todos los datos disponibles

para análisis ad-hoc

‒

Entorno de desarrollo para la

construcción de nuevas aplicaciones

analíticas

‒

Optimizado para Workload y

scheduling

Solutions

Big Data Platform

Analytics and Decision Management

Big Data Infrastructure

Accelerators

Information Integration & Governance Hadoop System Stream Computing Data Warehouse Systems Management Application Development Visualization & Discovery

¿Dónde Encontrar Más Información?

www.bigdatauniversity.com

Guillermo Girón R.

[email protected]