SlideShare a Scribd company logo
1 of 34
Querétaro, México 27/01/2014
BIG DATA: Información que genera ganancias.
Más de 25 productos diferentes…
En los hábitos de compra de ciertas clientes…
Si lo adquieren en Marzo
De esta variedad de productos, si se nota que adquieren
cierta mezcla de esos 25 productos, estos son indicadores de…
Agosto
De ese comportamiento se detonan acciones de marketing específicas
BIGDATA
Confidential - Internal use only
¿QUÉ SE DICE QUE ÉS BIGDATA?
El propósito de la minería de datos es convertir datos en conocimiento. Aquí aplica en su
totalidad la frase: “Información es poder”. Lo que con todo ello se intenta extraer es
información o conocimiento que sea:
• Válido.
• Novedoso: que aporte algo nuevo.
• Potencialmente útil: debe derivar hacia la toma de decisiones de actuación.
• Comprensible para el usuario: el operador que va a analizar la información o el decisor.
Big Data no es más que un derivado de todos estos conceptos anteriores, uniendo a lo
anterior tres conceptos básicos:
• Volumen de datos: de un tamaño más que considerable
• Complejidad de los datos: en cuanto a su dificultad de tratamiento, lo que denomina
"datos desestructurados" (p.e. imágenes, vídeo, texto)
• Velocidad de análisis, explotación y decisión: siendo el objetivo máximo el 'tiempo real',
minimizando el tiempo entre la entrada de información input en el proceso y las decisiones.
BIGDATA
Confidential - Internal use only
Pero en nuestras vidas, ¿dónde están presentes las soluciones de Big Data? A continuación,
les comentamos algunos casos de utilización:
- Un hospital de Canadá, en conjunto con la Universidad de Ontario, desarrolló una
solución de Big Data para monitorear en tiempo real los indicadores de salud de recién
nacidos prematuros. El análisis de esos datos permitió a los doctores anticipar acciones
para mitigar las amenazas a la vida de esos bebés.
- El proyecto Global Pulse, de las Naciones Unidas prevé utilizar una solución de Big Data
para analizar los mensajes de las redes sociales para evitar el aumento del desempleo,
baja de consumo y posibles epidemias.
- Para buscar la mejor ubicación para la instalación de turbinas eólicas, una empresa
europea analizó petabytes de datos climáticos utilizando una solución de Big Data. Ese
análisis, que normalmente tardaría semanas, tomó apenas algunas horas.
- Algunas compañías manufactureras utilizan el Big Data para mejorar el proceso de
distribución de sus productos, cruzando información del método de producción de los
de los mismos, el modelo de embalaje más indicado, de acuerdo con las formas
utilizadas, y métodos y procesos de sus distribuidores para bajar costos.
BIGDATA
Confidential - Internal use only
INTELIGENCIA
Confidential - Internal use only
Humanware
Personal debidamente capacitado y
especializado en la tarea correspondiente
dentro del ciclo de la inteligencia.
Hardware
Servidores eficientes para integración y
análisis de datos.
Software
Software de manipulación de datos,
higiene y análisis.
Dataware
Una bran cantidad de datos de muy
diversas fuentes incluyendo la replica de
base operativa.
REQUISITOS
DE INTELIGENCIA
Inteligencia Comercial
Cuando la utilizamos para beneficio del negocio en
términos comerciales. Ejemplos: Análisis de mercado,
estrategias de mercadotecnia, análisis de relación
con clientes (CRM), tendencias de consumo.
Inteligencia Administrativa
Cuando la utilizamos para fortalecer la administración
al crear una base de conocimiento a partir del
conocimiento de empleados y clientes que ayudará
a tomar las mejores decisiones. Ejemplo:
Gamification para aumentar productividad.
Inteligencia Política
Cuando la aplicamos a la mercadotecnia política o
a la administración pública. Ejemplos: Planeación de
las estrategias de campaña, conocimiento de
necesidades de la población; planificación del gasto
publico, al conocer el impacto de las políticas
publicas sobre la ciudadanía, economía, etc.
APLICACIONES
DE INTELIGENCIA DE
DATOS
CICLO DE
BIGDATA
Confidential - Internal use only
Recolección
DATOS
NO
ESTRUCTURADOS
Confidential - Internal use only
La mayoría de la información tratada por
soluciones de Big Data son datos que llamamos
“no estructurados” y que generalmente están
disponibles en una base de datos: Facturas
emitidas, productos comprados por un cliente en
un determinado período, presupuestos y
evolución de los mismos, de su utilización y
consumo, datos de voz, imágenes, entre otros.
BENEFICIOS DE DATOS DE ALTA CALIDAD
Si bien hay beneficios a tener datos de alta calidad,
la mayoría no saben realmente lo bueno que es
limpieza de datos precisos. Según el estudio de
TDWI*, la mitad de los encuestados "no han
estudiado el tema" de los beneficios que trae la
Calidad de Datos.
Tres principales ventajas de la alta calidad de los
datos:
- Una mayor confianza en los sistemas de análisis (76
%),
- Menos tiempo de la conciliación de datos (70 %) y
- La única versión de la verdad (69%).
*The Data Warehousing Institute (TDWI)
Higienización
y Enriquecimiento
de datos
Confidential - Internal use only
Otros beneficios:
- las ganancias en la satisfacción del cliente (57%)
- reducción de costos (56%)
- y aumento de los ingresos (30 %).
Estos son los tipos de datos propensos a problemas
de calidad:
Los datos de los clientes 74%
Datos de los productos 43%
Los datos financieros 36%
Datos de contacto de ventas 27%
Datos de los sistemas ERP / CRM 25%
Empleado de datos 16%
Cooperación multinacional 12%
Otros 10%
Higienización
y Enriquecimiento
de datos
Confidential - Internal use only
Higienización
y Enriquecimiento
de datos
Higienización
y Enriquecimiento
de datos
Higienización
y Enriquecimiento
de datos
CICLO DE
BIGDATA
Confidential - Internal use only
Análisis y Producción
• Hay análisis en cada fase del ciclo de la inteligencia, pero en la fase
de análisis los analistas deben conocer las operaciones del negocio
a la perfección para encontrar significado de a la información.
• La retroalimentación a la base de conocimiento es imperativa.
CICLO DE
BIGDATA
Confidential - Internal use only
Análisis y Producción
CICLO DE
BIGDATA
Confidential - Internal use only
Utilización
• Utilice los datos lo más posible; busque como cada conocimiento adquirido
puede ayudar a los diversos procesos del negocio o a nuevas oportunidades
de negocios.
• En muchos casos el compartir o intercambiar algún conocimiento adquirido
ahorra dinero, tiempo y esfuerzo.
MANUFACTURA
- Calidad de producto/ rastreo y disminución de defectos.
- Planeación y optimización de abastecimientos.
- Rastreo de productos/ componentes y partes hasta el consumidor final.
- Proyección de niveles de producción.
- Incremento en eficiencia de energía.
BENEFICIOS
POR ÁREAS.
RECURSOS HUMANOS
- Incrementar la retención de talento y disminuir la rotación.
- Identificar la efectividad de campañas de reclutamiento.
- Determinar empleados potenciales a promover y sus talentos (banco de
conocimiento) e identificar incentivos correctos.
- Elevar la moral y sentido de pertenencia.
- Identificar los empleados que son "centros de influencia" para mejorar la lealtad
interna.
BENEFICIOS
POR ÁREAS.
LOGÍSTICA
- Monitoreo de embarques
- Identificación de picos en costos así como donde y porqué ocurren.
- Incrementar eficiencia de energía.
- Identificar "cuellos de botella" en cadenas de proveedores.
- Identificar adecuados niveles de inventarios.
BENEFICIOS
POR ÁREAS.
MERCADOTECNIA
- Identificar clientes nuevos y con mayor valor/ potencial.
- Identificar oportunidades de ventas cruzadas
- Determinar técnicas óptimas de ventas.
- Determinación de precios
- Recuperación de cartera vencida
BENEFICIOS
POR ÁREAS.
CRM en comercio detallista
PROBLEMÁTICA
La captura en múltiples sistemas de atención a clientes, tanto legados como
actuales, genera duplicidades, inconsistencias y huecos en la información
contenida en los repositorios de estos en las compañías de comercio al detalle. Esto
genera problemas en dos vertientes principalmente.
-Costos de mantenimiento extra de estos repositorios.
-Ineficacia en programas de venta cruzada y perdida de clientes por fallas en su
atención.
Casos
de Éxito
Confidential - Internal use only
CRM en comercio detallista
SOLUCIÓN
Implementar procesos de administración total de la calidad de los datos, que en primera
instancia limpien, estandaricen y enriquezcan la información de los clientes, mediante la
creación de un repositorio único de clientes a partir de los sistemas legados o con la unificación
de repositorios distribuidos en distintos puntos de captura. Y que una vez hecho esto mantengan
la consistencia y precisión de dicha información, mediante la creación de procesos de
validación automáticos y en línea de actualizaciones o adiciones a dicho repositorio.
BENEFICIOS
Identificación de oportunidades de campañas de marketing y focalización de las mismas.
Aumento de la efectividad de campañas de venta cruzada entre clientes.
Disminución de pérdida de clientes por falta de atención o errores en esta.
Casos
de Éxito
Confidential - Internal use only
Captación de nuevos productos y nuevos clientes
PROBLEMÁTICA
Las instituciones se enfrentan con la necesidad de
captar mayor número clientes y productos
mediante procesos de venta cruzada entre sus
mismos clientes o captación de nuevos clientes
debido al aumento de sus metas. Dichos procesos
genera altos costos, debido a que no tienen
procesos definidos de flujos de información ya que
los canales de captación pueden se externos o
internos, esto genera:
- Ofertas repetitivas de un producto al mismo
cliente.
- Falta de localización del prospecto.
- Expedientes con falta de información esto genera
que sus campañas no cumplan con sus metas
establecida se cumpla con el tiempo que se tiene
planeado realizarlo.
Casos
de Éxito
Confidential - Internal use only
Captación de nuevos productos y nuevos clientes
SOLUCIÓN
Mediante procesos especializados de match, normalización y enriquecimiento de datos, es
posible regenerar un expediente con datos inexactos o incompletos partiendo de fuentes
internas de tal manera que aumente de manera significativa la posibilidad de localizarlo y
realizar ventas cruzadas.
- Domicilios alternos del cliente.
- Domicilios de familiares.
- Números telefónicos de familiares.
- Números telefónicos alternos del mismo cliente.
- Dirección alterna mediante número telefónico
otorgado por el cliente.
BENEFICIOS
- Aumento en la localización de los clientes.
- Aumento en la venta de productos o servicios.
- Aumento de hit en las campañas.
- Reducción del costo de las campañas.
- Reducción en los costos de entrega de papelería.
- Reducción de gastos de cobranza posteriores.
Casos
de Éxito
Recuperación de cartera vencida.
Las instituciones de crédito se enfrentan con la
necesidad de iniciar procesos de cobranza de
cartera vencida hacia sus clientes. Estos
procesos no siempre resultan exitosos debido a
la dificultad que existe en la localización física
de los clientes morosos. Este problema puede
representar la no recuperación de créditos en
niveles hasta de un 15% del total de la cartera
de la institución.
Casos
de Éxito
Confidential - Internal use only
Recuperación de cartera vencida.
SOLUCIÓN
Mediante procesos especializados de enriquecimiento de datos, es posible reconstruir un
expediente del cliente de tal manera que aumente de manera significativa la posibilidad de
encontrarlo. Partiendo de información de los expedientes originales, hemos desarrollado
técnicas de "rearmado" de los datos, de tal manera que podemos generar información como
la siguiente:
- Domicilios alternos del cliente.
- Domicilios de familiares.
- Números telefónicos de familiares.
- Números telefónicos alternos del mismo cliente.
- Dirección alterna mediante número telefónico
otorgado por el cliente.
BENEFICIOS
- Aumento en la recuperación de la cartera vencida hasta
un 30 % o más.
- Reducción de gastos de cobranza.
- Reducción en los niveles de protección de capital.
- Reducción del tiempo de localización de los clientes con cartera Vencida.
Casos
de Éxito
Confidential - Internal use only
Información de
contacto:
Corporativo
Armando Birlain Shaffler 2001,
Torre Corporativo II, Central Park
Col. Centro. Sur C.P .76090
Querétaro, Qro.
Tels. +52(442) 183.23.66 / 67
http://www.claroscuro-ei.com
contacto@claroscuro-ei.com

More Related Content

What's hot

conceptos de inteligencia de negocios
conceptos de inteligencia de negociosconceptos de inteligencia de negocios
conceptos de inteligencia de negociosmascorroale
 
Balota la inteligencia de negocios como estrategia en la organizacion (tesis)
Balota   la inteligencia de negocios como estrategia en la organizacion (tesis)Balota   la inteligencia de negocios como estrategia en la organizacion (tesis)
Balota la inteligencia de negocios como estrategia en la organizacion (tesis)JC Alca Arequi
 
Actividad #1 introducción a la inteligencia de negocios
Actividad #1 introducción a la inteligencia de negociosActividad #1 introducción a la inteligencia de negocios
Actividad #1 introducción a la inteligencia de negociosFco Dee JeSuss Contreras
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocioselsebir
 
NEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTESNEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTESTinna26
 
Fundamentos de inteligencia de negocios
Fundamentos de inteligencia de negociosFundamentos de inteligencia de negocios
Fundamentos de inteligencia de negociosMel Maldonado
 
inteligencia de negocios
inteligencia de negociosinteligencia de negocios
inteligencia de negociosliaslide2015
 
Conocimiento del negocio y establecimiento de metas
Conocimiento del negocio y establecimiento de metasConocimiento del negocio y establecimiento de metas
Conocimiento del negocio y establecimiento de metasremyor09
 
Bi (Negocios Inteligentes)
Bi (Negocios Inteligentes)Bi (Negocios Inteligentes)
Bi (Negocios Inteligentes)Sebass Osorio
 
Inteligencia De Negocios (Business Intelligence)
Inteligencia De Negocios (Business Intelligence)Inteligencia De Negocios (Business Intelligence)
Inteligencia De Negocios (Business Intelligence)Hugo Céspedes A.
 
Trabajo de campo asignacion 2
Trabajo de campo  asignacion 2Trabajo de campo  asignacion 2
Trabajo de campo asignacion 2maestriausma2012
 
Biseness intelligence
Biseness intelligenceBiseness intelligence
Biseness intelligencewomanbere
 
Business Intelligence Exposición
Business Intelligence ExposiciónBusiness Intelligence Exposición
Business Intelligence Exposicióntereunisur7610
 
Introducción a Business Intelligence
Introducción a Business IntelligenceIntroducción a Business Intelligence
Introducción a Business IntelligenceJuan Azcurra
 
Introducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de NegociosIntroducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de NegociosSebastian Rodriguez Robotham
 

What's hot (19)

conceptos de inteligencia de negocios
conceptos de inteligencia de negociosconceptos de inteligencia de negocios
conceptos de inteligencia de negocios
 
Introducción Business Intelligence
Introducción Business IntelligenceIntroducción Business Intelligence
Introducción Business Intelligence
 
Balota la inteligencia de negocios como estrategia en la organizacion (tesis)
Balota   la inteligencia de negocios como estrategia en la organizacion (tesis)Balota   la inteligencia de negocios como estrategia en la organizacion (tesis)
Balota la inteligencia de negocios como estrategia en la organizacion (tesis)
 
BASE DE DATOS
BASE DE DATOSBASE DE DATOS
BASE DE DATOS
 
Actividad #1 introducción a la inteligencia de negocios
Actividad #1 introducción a la inteligencia de negociosActividad #1 introducción a la inteligencia de negocios
Actividad #1 introducción a la inteligencia de negocios
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocios
 
NEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTESNEGOCIOS INTELIGENTES
NEGOCIOS INTELIGENTES
 
Fundamentos de inteligencia de negocios
Fundamentos de inteligencia de negociosFundamentos de inteligencia de negocios
Fundamentos de inteligencia de negocios
 
Negocios inteligentes
Negocios inteligentesNegocios inteligentes
Negocios inteligentes
 
inteligencia de negocios
inteligencia de negociosinteligencia de negocios
inteligencia de negocios
 
Conocimiento del negocio y establecimiento de metas
Conocimiento del negocio y establecimiento de metasConocimiento del negocio y establecimiento de metas
Conocimiento del negocio y establecimiento de metas
 
Bi (Negocios Inteligentes)
Bi (Negocios Inteligentes)Bi (Negocios Inteligentes)
Bi (Negocios Inteligentes)
 
Inteligencia De Negocios (Business Intelligence)
Inteligencia De Negocios (Business Intelligence)Inteligencia De Negocios (Business Intelligence)
Inteligencia De Negocios (Business Intelligence)
 
Trabajo de campo asignacion 2
Trabajo de campo  asignacion 2Trabajo de campo  asignacion 2
Trabajo de campo asignacion 2
 
Biseness intelligence
Biseness intelligenceBiseness intelligence
Biseness intelligence
 
Business Intelligence Exposición
Business Intelligence ExposiciónBusiness Intelligence Exposición
Business Intelligence Exposición
 
Introducción a Business Intelligence
Introducción a Business IntelligenceIntroducción a Business Intelligence
Introducción a Business Intelligence
 
Introducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de NegociosIntroducción a DataWarehouse e Inteligencia de Negocios
Introducción a DataWarehouse e Inteligencia de Negocios
 

Viewers also liked

Four Simple Rules For Kick-Ass Digital Marketing
Four Simple Rules For Kick-Ass Digital MarketingFour Simple Rules For Kick-Ass Digital Marketing
Four Simple Rules For Kick-Ass Digital MarketingIan Lurie
 
SMART data analysis 2013
SMART data analysis 2013SMART data analysis 2013
SMART data analysis 2013add4maths
 
Creating Amazing Content
Creating Amazing ContentCreating Amazing Content
Creating Amazing ContentIan Lurie
 
Open Access, Open Data - Why it Matters
Open Access, Open Data - Why it MattersOpen Access, Open Data - Why it Matters
Open Access, Open Data - Why it MattersOpen Knowledge Canada
 
From Big to Smart Data - Smart Data Innovation Lab Overview
From Big to Smart Data - Smart Data Innovation Lab OverviewFrom Big to Smart Data - Smart Data Innovation Lab Overview
From Big to Smart Data - Smart Data Innovation Lab OverviewPlamen Kiradjiev
 
Smart Data with Google's Universal Analytics
Smart Data with Google's Universal AnalyticsSmart Data with Google's Universal Analytics
Smart Data with Google's Universal AnalyticsAdrian Vender
 
Cómo innovar y crear nuevos negocios con Smart Data
Cómo innovar y crear nuevos negocios con Smart DataCómo innovar y crear nuevos negocios con Smart Data
Cómo innovar y crear nuevos negocios con Smart DataAdigital
 
Retail forum crm_bigdata_20120925_1459
Retail forum crm_bigdata_20120925_1459Retail forum crm_bigdata_20120925_1459
Retail forum crm_bigdata_20120925_1459René Silva Castillo
 
Large-scale Genomic Analysis Enabled by Gordon
Large-scale Genomic Analysis Enabled by GordonLarge-scale Genomic Analysis Enabled by Gordon
Large-scale Genomic Analysis Enabled by GordonGlenn K. Lockwood
 
BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012
BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012
BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012Amazon Web Services
 
Concepto de rapidez powerpoint1
Concepto de rapidez powerpoint1Concepto de rapidez powerpoint1
Concepto de rapidez powerpoint1emiliomoreno48
 
Hanna bosc2010
Hanna bosc2010Hanna bosc2010
Hanna bosc2010BOSC 2010
 
Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013
Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013
Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013javier ramirez
 
Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013
Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013
Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013Javier Toret Medina
 
Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015Peter Kroll
 
BigData y OpenData. Oportunidad para las ciudades por Antonio Herrero Moreno
BigData y OpenData. Oportunidad para las ciudades por Antonio Herrero MorenoBigData y OpenData. Oportunidad para las ciudades por Antonio Herrero Moreno
BigData y OpenData. Oportunidad para las ciudades por Antonio Herrero Morenornogues
 
Getting smart with ad data and measurement nov 16
Getting smart with ad data and measurement nov 16Getting smart with ad data and measurement nov 16
Getting smart with ad data and measurement nov 16Ian Gibbs
 

Viewers also liked (20)

Four Simple Rules For Kick-Ass Digital Marketing
Four Simple Rules For Kick-Ass Digital MarketingFour Simple Rules For Kick-Ass Digital Marketing
Four Simple Rules For Kick-Ass Digital Marketing
 
SMART data analysis 2013
SMART data analysis 2013SMART data analysis 2013
SMART data analysis 2013
 
Big Data – Smart Opportunities
Big Data – Smart OpportunitiesBig Data – Smart Opportunities
Big Data – Smart Opportunities
 
Creating Amazing Content
Creating Amazing ContentCreating Amazing Content
Creating Amazing Content
 
Open Access, Open Data - Why it Matters
Open Access, Open Data - Why it MattersOpen Access, Open Data - Why it Matters
Open Access, Open Data - Why it Matters
 
From Big to Smart Data - Smart Data Innovation Lab Overview
From Big to Smart Data - Smart Data Innovation Lab OverviewFrom Big to Smart Data - Smart Data Innovation Lab Overview
From Big to Smart Data - Smart Data Innovation Lab Overview
 
Smart Data with Google's Universal Analytics
Smart Data with Google's Universal AnalyticsSmart Data with Google's Universal Analytics
Smart Data with Google's Universal Analytics
 
Cómo innovar y crear nuevos negocios con Smart Data
Cómo innovar y crear nuevos negocios con Smart DataCómo innovar y crear nuevos negocios con Smart Data
Cómo innovar y crear nuevos negocios con Smart Data
 
Retail forum crm_bigdata_20120925_1459
Retail forum crm_bigdata_20120925_1459Retail forum crm_bigdata_20120925_1459
Retail forum crm_bigdata_20120925_1459
 
Large-scale Genomic Analysis Enabled by Gordon
Large-scale Genomic Analysis Enabled by GordonLarge-scale Genomic Analysis Enabled by Gordon
Large-scale Genomic Analysis Enabled by Gordon
 
BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012
BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012
BDT205 Solving Big Problems with Big Data - AWS re: Invent 2012
 
Concepto de rapidez powerpoint1
Concepto de rapidez powerpoint1Concepto de rapidez powerpoint1
Concepto de rapidez powerpoint1
 
AWS Summit Bogotá- Key Note Raul Frias
AWS Summit Bogotá- Key Note Raul FriasAWS Summit Bogotá- Key Note Raul Frias
AWS Summit Bogotá- Key Note Raul Frias
 
Temario bigdata
Temario bigdataTemario bigdata
Temario bigdata
 
Hanna bosc2010
Hanna bosc2010Hanna bosc2010
Hanna bosc2010
 
Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013
Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013
Api analytics using Redis and Google Bigquery. Jramirez,teowaki.codemotion2013
 
Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013
Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013
Bigdata y transformación social. Oscar Marin y Javier Toret FCForum2013
 
Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015Presentación semana académica unam big data abril 2015
Presentación semana académica unam big data abril 2015
 
BigData y OpenData. Oportunidad para las ciudades por Antonio Herrero Moreno
BigData y OpenData. Oportunidad para las ciudades por Antonio Herrero MorenoBigData y OpenData. Oportunidad para las ciudades por Antonio Herrero Moreno
BigData y OpenData. Oportunidad para las ciudades por Antonio Herrero Moreno
 
Getting smart with ad data and measurement nov 16
Getting smart with ad data and measurement nov 16Getting smart with ad data and measurement nov 16
Getting smart with ad data and measurement nov 16
 

Similar to Cei BigData

Transformación digital en el sector turístico: Big Data
Transformación digital en el sector turístico: Big Data Transformación digital en el sector turístico: Big Data
Transformación digital en el sector turístico: Big Data Daniel Moreno Lopez
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negociosrijosmata
 
Inteligencia de Negocios presentacion
Inteligencia de Negocios presentacionInteligencia de Negocios presentacion
Inteligencia de Negocios presentacionClinica Internacional
 
Data set module 3 - spanish
Data set   module 3 - spanishData set   module 3 - spanish
Data set module 3 - spanishData-Set
 
Cómo sacar provecho de la explosión de datos smart big data
Cómo sacar provecho de la explosión de datos smart big dataCómo sacar provecho de la explosión de datos smart big data
Cómo sacar provecho de la explosión de datos smart big dataAlet & CO
 
2016 ULL Cabildo KEEDIO - Customer Centric
2016 ULL Cabildo KEEDIO - Customer Centric2016 ULL Cabildo KEEDIO - Customer Centric
2016 ULL Cabildo KEEDIO - Customer CentricKEEDIO
 
Del dato a la toma de decisiones, pasando por el conocimiento
Del dato a la toma de decisiones, pasando por el conocimientoDel dato a la toma de decisiones, pasando por el conocimiento
Del dato a la toma de decisiones, pasando por el conocimientoLucero Vaccaro
 
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptxSesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptxnelsoncotrinagarca
 
Decisiones de negocio en materia de analítica de datos
Decisiones de negocio en materia de analítica de datosDecisiones de negocio en materia de analítica de datos
Decisiones de negocio en materia de analítica de datosheymitzi
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negociosjarmendipg
 
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdfDOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdfElsyLopezSanchez2
 
Business intelligence
Business intelligenceBusiness intelligence
Business intelligenceRodd Sanche'z
 
Sistemas de Información
Sistemas de Información Sistemas de Información
Sistemas de Información Ana Castañeda
 
Afc module 2 translated
Afc module 2 translatedAfc module 2 translated
Afc module 2 translatedSoniaNaiba
 
Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...
Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...
Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...eCommerce Institute
 
White Paper - Retorno de la inversión (ROI) en datos de productos
White Paper - Retorno de la inversión (ROI) en datos de productosWhite Paper - Retorno de la inversión (ROI) en datos de productos
White Paper - Retorno de la inversión (ROI) en datos de productosInformatica Latinoamerica
 
Afc module 3 translated
Afc module 3 translatedAfc module 3 translated
Afc module 3 translatedSoniaNaiba
 

Similar to Cei BigData (20)

Marketing base de_datos
Marketing base de_datosMarketing base de_datos
Marketing base de_datos
 
Transformación digital en el sector turístico: Big Data
Transformación digital en el sector turístico: Big Data Transformación digital en el sector turístico: Big Data
Transformación digital en el sector turístico: Big Data
 
Inteligencia de Negocios
Inteligencia de NegociosInteligencia de Negocios
Inteligencia de Negocios
 
Inteligencia de Negocios presentacion
Inteligencia de Negocios presentacionInteligencia de Negocios presentacion
Inteligencia de Negocios presentacion
 
Data set module 3 - spanish
Data set   module 3 - spanishData set   module 3 - spanish
Data set module 3 - spanish
 
Cómo sacar provecho de la explosión de datos smart big data
Cómo sacar provecho de la explosión de datos smart big dataCómo sacar provecho de la explosión de datos smart big data
Cómo sacar provecho de la explosión de datos smart big data
 
2016 ULL Cabildo KEEDIO - Customer Centric
2016 ULL Cabildo KEEDIO - Customer Centric2016 ULL Cabildo KEEDIO - Customer Centric
2016 ULL Cabildo KEEDIO - Customer Centric
 
Del dato a la toma de decisiones, pasando por el conocimiento
Del dato a la toma de decisiones, pasando por el conocimientoDel dato a la toma de decisiones, pasando por el conocimiento
Del dato a la toma de decisiones, pasando por el conocimiento
 
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptxSesión 1- Inteligencia de Negocios como herramienta empresarial pptx
Sesión 1- Inteligencia de Negocios como herramienta empresarial pptx
 
Decisiones de negocio en materia de analítica de datos
Decisiones de negocio en materia de analítica de datosDecisiones de negocio en materia de analítica de datos
Decisiones de negocio en materia de analítica de datos
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdfDOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
DOCUMENTO DE APOYO - EL VALOR DE LOS DATOS.pdf
 
Business intelligence
Business intelligenceBusiness intelligence
Business intelligence
 
Big data
Big dataBig data
Big data
 
Sistemas de Información
Sistemas de Información Sistemas de Información
Sistemas de Información
 
Afc module 2 translated
Afc module 2 translatedAfc module 2 translated
Afc module 2 translated
 
Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...
Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...
Martin Huczneker - eAnalytics Experience - eRetail Week LATAM Online [Live] E...
 
Session01.pptx
Session01.pptxSession01.pptx
Session01.pptx
 
White Paper - Retorno de la inversión (ROI) en datos de productos
White Paper - Retorno de la inversión (ROI) en datos de productosWhite Paper - Retorno de la inversión (ROI) en datos de productos
White Paper - Retorno de la inversión (ROI) en datos de productos
 
Afc module 3 translated
Afc module 3 translatedAfc module 3 translated
Afc module 3 translated
 

Cei BigData

  • 2. BIG DATA: Información que genera ganancias.
  • 3.
  • 4. Más de 25 productos diferentes… En los hábitos de compra de ciertas clientes…
  • 5. Si lo adquieren en Marzo De esta variedad de productos, si se nota que adquieren cierta mezcla de esos 25 productos, estos son indicadores de…
  • 7. De ese comportamiento se detonan acciones de marketing específicas
  • 8. BIGDATA Confidential - Internal use only ¿QUÉ SE DICE QUE ÉS BIGDATA?
  • 9. El propósito de la minería de datos es convertir datos en conocimiento. Aquí aplica en su totalidad la frase: “Información es poder”. Lo que con todo ello se intenta extraer es información o conocimiento que sea: • Válido. • Novedoso: que aporte algo nuevo. • Potencialmente útil: debe derivar hacia la toma de decisiones de actuación. • Comprensible para el usuario: el operador que va a analizar la información o el decisor. Big Data no es más que un derivado de todos estos conceptos anteriores, uniendo a lo anterior tres conceptos básicos: • Volumen de datos: de un tamaño más que considerable • Complejidad de los datos: en cuanto a su dificultad de tratamiento, lo que denomina "datos desestructurados" (p.e. imágenes, vídeo, texto) • Velocidad de análisis, explotación y decisión: siendo el objetivo máximo el 'tiempo real', minimizando el tiempo entre la entrada de información input en el proceso y las decisiones. BIGDATA Confidential - Internal use only
  • 10. Pero en nuestras vidas, ¿dónde están presentes las soluciones de Big Data? A continuación, les comentamos algunos casos de utilización: - Un hospital de Canadá, en conjunto con la Universidad de Ontario, desarrolló una solución de Big Data para monitorear en tiempo real los indicadores de salud de recién nacidos prematuros. El análisis de esos datos permitió a los doctores anticipar acciones para mitigar las amenazas a la vida de esos bebés. - El proyecto Global Pulse, de las Naciones Unidas prevé utilizar una solución de Big Data para analizar los mensajes de las redes sociales para evitar el aumento del desempleo, baja de consumo y posibles epidemias. - Para buscar la mejor ubicación para la instalación de turbinas eólicas, una empresa europea analizó petabytes de datos climáticos utilizando una solución de Big Data. Ese análisis, que normalmente tardaría semanas, tomó apenas algunas horas. - Algunas compañías manufactureras utilizan el Big Data para mejorar el proceso de distribución de sus productos, cruzando información del método de producción de los de los mismos, el modelo de embalaje más indicado, de acuerdo con las formas utilizadas, y métodos y procesos de sus distribuidores para bajar costos. BIGDATA Confidential - Internal use only
  • 12. Humanware Personal debidamente capacitado y especializado en la tarea correspondiente dentro del ciclo de la inteligencia. Hardware Servidores eficientes para integración y análisis de datos. Software Software de manipulación de datos, higiene y análisis. Dataware Una bran cantidad de datos de muy diversas fuentes incluyendo la replica de base operativa. REQUISITOS DE INTELIGENCIA
  • 13. Inteligencia Comercial Cuando la utilizamos para beneficio del negocio en términos comerciales. Ejemplos: Análisis de mercado, estrategias de mercadotecnia, análisis de relación con clientes (CRM), tendencias de consumo. Inteligencia Administrativa Cuando la utilizamos para fortalecer la administración al crear una base de conocimiento a partir del conocimiento de empleados y clientes que ayudará a tomar las mejores decisiones. Ejemplo: Gamification para aumentar productividad. Inteligencia Política Cuando la aplicamos a la mercadotecnia política o a la administración pública. Ejemplos: Planeación de las estrategias de campaña, conocimiento de necesidades de la población; planificación del gasto publico, al conocer el impacto de las políticas publicas sobre la ciudadanía, economía, etc. APLICACIONES DE INTELIGENCIA DE DATOS
  • 14. CICLO DE BIGDATA Confidential - Internal use only Recolección
  • 15. DATOS NO ESTRUCTURADOS Confidential - Internal use only La mayoría de la información tratada por soluciones de Big Data son datos que llamamos “no estructurados” y que generalmente están disponibles en una base de datos: Facturas emitidas, productos comprados por un cliente en un determinado período, presupuestos y evolución de los mismos, de su utilización y consumo, datos de voz, imágenes, entre otros.
  • 16. BENEFICIOS DE DATOS DE ALTA CALIDAD Si bien hay beneficios a tener datos de alta calidad, la mayoría no saben realmente lo bueno que es limpieza de datos precisos. Según el estudio de TDWI*, la mitad de los encuestados "no han estudiado el tema" de los beneficios que trae la Calidad de Datos. Tres principales ventajas de la alta calidad de los datos: - Una mayor confianza en los sistemas de análisis (76 %), - Menos tiempo de la conciliación de datos (70 %) y - La única versión de la verdad (69%). *The Data Warehousing Institute (TDWI) Higienización y Enriquecimiento de datos Confidential - Internal use only
  • 17. Otros beneficios: - las ganancias en la satisfacción del cliente (57%) - reducción de costos (56%) - y aumento de los ingresos (30 %). Estos son los tipos de datos propensos a problemas de calidad: Los datos de los clientes 74% Datos de los productos 43% Los datos financieros 36% Datos de contacto de ventas 27% Datos de los sistemas ERP / CRM 25% Empleado de datos 16% Cooperación multinacional 12% Otros 10% Higienización y Enriquecimiento de datos Confidential - Internal use only
  • 21. CICLO DE BIGDATA Confidential - Internal use only Análisis y Producción • Hay análisis en cada fase del ciclo de la inteligencia, pero en la fase de análisis los analistas deben conocer las operaciones del negocio a la perfección para encontrar significado de a la información. • La retroalimentación a la base de conocimiento es imperativa.
  • 22. CICLO DE BIGDATA Confidential - Internal use only Análisis y Producción
  • 23. CICLO DE BIGDATA Confidential - Internal use only Utilización • Utilice los datos lo más posible; busque como cada conocimiento adquirido puede ayudar a los diversos procesos del negocio o a nuevas oportunidades de negocios. • En muchos casos el compartir o intercambiar algún conocimiento adquirido ahorra dinero, tiempo y esfuerzo.
  • 24. MANUFACTURA - Calidad de producto/ rastreo y disminución de defectos. - Planeación y optimización de abastecimientos. - Rastreo de productos/ componentes y partes hasta el consumidor final. - Proyección de niveles de producción. - Incremento en eficiencia de energía. BENEFICIOS POR ÁREAS.
  • 25. RECURSOS HUMANOS - Incrementar la retención de talento y disminuir la rotación. - Identificar la efectividad de campañas de reclutamiento. - Determinar empleados potenciales a promover y sus talentos (banco de conocimiento) e identificar incentivos correctos. - Elevar la moral y sentido de pertenencia. - Identificar los empleados que son "centros de influencia" para mejorar la lealtad interna. BENEFICIOS POR ÁREAS.
  • 26. LOGÍSTICA - Monitoreo de embarques - Identificación de picos en costos así como donde y porqué ocurren. - Incrementar eficiencia de energía. - Identificar "cuellos de botella" en cadenas de proveedores. - Identificar adecuados niveles de inventarios. BENEFICIOS POR ÁREAS.
  • 27. MERCADOTECNIA - Identificar clientes nuevos y con mayor valor/ potencial. - Identificar oportunidades de ventas cruzadas - Determinar técnicas óptimas de ventas. - Determinación de precios - Recuperación de cartera vencida BENEFICIOS POR ÁREAS.
  • 28. CRM en comercio detallista PROBLEMÁTICA La captura en múltiples sistemas de atención a clientes, tanto legados como actuales, genera duplicidades, inconsistencias y huecos en la información contenida en los repositorios de estos en las compañías de comercio al detalle. Esto genera problemas en dos vertientes principalmente. -Costos de mantenimiento extra de estos repositorios. -Ineficacia en programas de venta cruzada y perdida de clientes por fallas en su atención. Casos de Éxito Confidential - Internal use only
  • 29. CRM en comercio detallista SOLUCIÓN Implementar procesos de administración total de la calidad de los datos, que en primera instancia limpien, estandaricen y enriquezcan la información de los clientes, mediante la creación de un repositorio único de clientes a partir de los sistemas legados o con la unificación de repositorios distribuidos en distintos puntos de captura. Y que una vez hecho esto mantengan la consistencia y precisión de dicha información, mediante la creación de procesos de validación automáticos y en línea de actualizaciones o adiciones a dicho repositorio. BENEFICIOS Identificación de oportunidades de campañas de marketing y focalización de las mismas. Aumento de la efectividad de campañas de venta cruzada entre clientes. Disminución de pérdida de clientes por falta de atención o errores en esta. Casos de Éxito Confidential - Internal use only
  • 30. Captación de nuevos productos y nuevos clientes PROBLEMÁTICA Las instituciones se enfrentan con la necesidad de captar mayor número clientes y productos mediante procesos de venta cruzada entre sus mismos clientes o captación de nuevos clientes debido al aumento de sus metas. Dichos procesos genera altos costos, debido a que no tienen procesos definidos de flujos de información ya que los canales de captación pueden se externos o internos, esto genera: - Ofertas repetitivas de un producto al mismo cliente. - Falta de localización del prospecto. - Expedientes con falta de información esto genera que sus campañas no cumplan con sus metas establecida se cumpla con el tiempo que se tiene planeado realizarlo. Casos de Éxito Confidential - Internal use only
  • 31. Captación de nuevos productos y nuevos clientes SOLUCIÓN Mediante procesos especializados de match, normalización y enriquecimiento de datos, es posible regenerar un expediente con datos inexactos o incompletos partiendo de fuentes internas de tal manera que aumente de manera significativa la posibilidad de localizarlo y realizar ventas cruzadas. - Domicilios alternos del cliente. - Domicilios de familiares. - Números telefónicos de familiares. - Números telefónicos alternos del mismo cliente. - Dirección alterna mediante número telefónico otorgado por el cliente. BENEFICIOS - Aumento en la localización de los clientes. - Aumento en la venta de productos o servicios. - Aumento de hit en las campañas. - Reducción del costo de las campañas. - Reducción en los costos de entrega de papelería. - Reducción de gastos de cobranza posteriores. Casos de Éxito
  • 32. Recuperación de cartera vencida. Las instituciones de crédito se enfrentan con la necesidad de iniciar procesos de cobranza de cartera vencida hacia sus clientes. Estos procesos no siempre resultan exitosos debido a la dificultad que existe en la localización física de los clientes morosos. Este problema puede representar la no recuperación de créditos en niveles hasta de un 15% del total de la cartera de la institución. Casos de Éxito Confidential - Internal use only
  • 33. Recuperación de cartera vencida. SOLUCIÓN Mediante procesos especializados de enriquecimiento de datos, es posible reconstruir un expediente del cliente de tal manera que aumente de manera significativa la posibilidad de encontrarlo. Partiendo de información de los expedientes originales, hemos desarrollado técnicas de "rearmado" de los datos, de tal manera que podemos generar información como la siguiente: - Domicilios alternos del cliente. - Domicilios de familiares. - Números telefónicos de familiares. - Números telefónicos alternos del mismo cliente. - Dirección alterna mediante número telefónico otorgado por el cliente. BENEFICIOS - Aumento en la recuperación de la cartera vencida hasta un 30 % o más. - Reducción de gastos de cobranza. - Reducción en los niveles de protección de capital. - Reducción del tiempo de localización de los clientes con cartera Vencida. Casos de Éxito Confidential - Internal use only
  • 34. Información de contacto: Corporativo Armando Birlain Shaffler 2001, Torre Corporativo II, Central Park Col. Centro. Sur C.P .76090 Querétaro, Qro. Tels. +52(442) 183.23.66 / 67 http://www.claroscuro-ei.com contacto@claroscuro-ei.com