Este documento presenta una sesión sobre el uso de "Dark Data" en los procesos comerciales. Jorge Fernández y Enric Mayol darán la sesión en el Congreso Académico ITGSM14. Discutirán la diferencia entre Big Data y Dark Data, y propondrán un método llamado DICAR para trabajar con Dark Data. También usarán un ejemplo del proceso comercial para ilustrar cómo incorporar Big Data y Dark Data puede mejorar dichos procesos.
Los más ricos administradores de fondo de cobertura (1968-2024).pdf
Dark data para la mejora de los procesos de negocio
1. Congreso Académico ITGSM14 – Diapositiva 1
Insertar
Imagen
de este
tamaño
Usando
DARK DATA
en los procesos de negocio
Jorge Fernández
González
Director Consultoría BI
Abast Solutions
jfernandez@abast.es
Profesor asociado UPC
jfernand@essi.upc.edu
Dr. Enric Mayol
Sarroca
mayol@essi.upc.edu
Profesor UPC
4. Congreso Académico ITGSM14 – Diapositiva 4
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
La era digital
5. Congreso Académico ITGSM14 – Diapositiva 5
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
La producción de datos
6. Congreso Académico ITGSM14 – Diapositiva 6
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
2016: Internet producirá un ZettaBytede nuevos datos
7. Congreso Académico ITGSM14 – Diapositiva 7
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Big Data : excedenuestra capacidad en 3V
Volumen
Velocidad
Variedad
8. Congreso Académico ITGSM14 – Diapositiva 8
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Big Data (la realidad)
9. Congreso Académico ITGSM14 – Diapositiva 9
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Big Data (definiciones)
Wikipedia:
"Big data" es un término aplicado a conjuntos de datos que
superan la capacidad del software habitual para ser
capturados, gestionados y procesados en un tiempo razonable
Gartner:
“Big data” son activos de información caracterizados por su
alto volumen, velocidad y variedad, que demandan soluciones
innovadoras y eficientes de procesado para la mejora del
conocimiento y toma de decisiones en las organizaciones.
10. Congreso Académico ITGSM14 – Diapositiva 10
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Big Data (definiciones)
Wikipedia:
"Big data" es un término aplicado a conjuntos de datos que
superan la capacidad del software habitual para ser
capturados, gestionados y procesados en un tiempo razonable
Gartner:
“Big data” son activos de información caracterizados por su
alto volumen, velocidad y variedad, que demandan soluciones
innovadoras y eficientes de procesado para la mejora del
conocimiento y toma de decisiones en las organizaciones.
Dilbert:
11. Congreso Académico ITGSM14 – Diapositiva 11
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
¿Y el Dark Data?
12. Congreso Académico ITGSM14 – Diapositiva 12
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Dark Data (nuestra definición)
Nuestrapedia:
“Dark Data" es un término aplicado a conjuntos de datos que
han sido registrados por nuestros sistemas de información
pero que no son recolectados, procesados ni gestionados para
la mejora del conocimiento y toma de decisiones en las
organizaciones.
Tipología de Dark Data:
1) Dark Data originada por la no recolección de los datos.
(datos volátiles o perecederos)
2) Dark Data originada por el difícil acceso en el tiempo
adecuado y en el formato adecuado. (datos no procesados
adecuadamente)
3) Dark Data originada por poca explotación (datos existentes
y no aplicados con todo su potencial)
13. Congreso Académico ITGSM14 – Diapositiva 13
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Big Data vs Dark Data (El problema es…)
BIG DATA
(Abundancia
de datos)
DARK
DATA
(Inaccesibili
dad de los
datos)
14. Congreso Académico ITGSM14 – Diapositiva 14
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Big Data vs Dark Data (Nos habla de…)
BIG DATA
(Fuerzas
competitivas
)
DARK
DATA
(Procesos)
15. Congreso Académico ITGSM14 – Diapositiva 15
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Big Data vs Dark Data (El esfuerzo es como…)
BIG DATA
(Construir
naves
estelares)
DARK
DATA
(Pico y
pala)
17. Congreso Académico ITGSM14 – Diapositiva 17
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
.
Paradigma
DICAR
Método
Trabajar con Dark Data
18. Congreso Académico ITGSM14 – Diapositiva 18
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
.
Paradigma
DICAR
Método
Trabajar con Dark Data
19. Congreso Académico ITGSM14 – Diapositiva 19
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
“DATIFICA” tus hechos analíticos
Datificación:
“DATIFICAR” un fenómeno y colocarlo en un formato
cuantificable para que sea analizado.
D
I
C
A
R
20. Congreso Académico ITGSM14 – Diapositiva 20
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
“Incompleto” es válido, no lo descartes.
Cualquier información almacenada electrónicamente, independientemente de si
es parcial, incompleta u obsoleta puede usarse para fines legales y judiciales.
D
I
C
A
R
21. Congreso Académico ITGSM14 – Diapositiva 21
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Cuenta historias,no conclusiones
Los datos cuentan historias y las historias dependen de las preguntas
que se hagan.
No importa solo la conclusión, importa TODO EL CAMINO hasta ella.
D
I
C
A
R
“La conclusión es un SPOILER
de la historia analítica”
22. Congreso Académico ITGSM14 – Diapositiva 22
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Activa o Elimina
Activa el Dark Data o reduce/elimina la ingente acumulación de
información inactiva, que solo te produce costes.
D
I
C
A
R
23. Congreso Académico ITGSM14 – Diapositiva 23
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Recicla Datos
RECICLA DATOS. Reutilizarlos en otros contextos analíticos,
aunque dicho dato se haya recogido en un principio con un objetivo
diferente al planteado.
D
I
C
A
R
Alto coste de
captura Bajo coste de
almacenamiento
24. Congreso Académico ITGSM14 – Diapositiva 24
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
.
Paradigma
DICAR
Método
Trabajar con Dark Data
25. Congreso Académico ITGSM14 – Diapositiva 25
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Fase1: Identifica y comprende los datos “NO-”
Entiende tus gaps. Busca aquellos datos que no están categorizados,
piensa en aquello que simplemente no están organizados e imagina
contextos analíticos a los que les falten datos
NO
Categorizados
NO
Organizados
NO Conocidos
26. Congreso Académico ITGSM14 – Diapositiva 26
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Fase2: Clasifica y separa
Clasifica tu materia prima. Clasificar es el primer paso para
separar, para identificar el Dark Data deseoso de salir a luz, de
aquel dato inútil que solo aporta ruido.
Separa el grano de la paja. Las herramientas de data profiling
son muy útiles en esta fase
27. Congreso Académico ITGSM14 – Diapositiva 27
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Fase3: Captura,distribuyey automatiza.
Captura y distribuye el Dark Data. Asegúrate de arrojar luz
sobre estos datos desechados , ayudando a que cualquier negocio
residual, valor normativo o histórico se extraiga y sea puesto a
disposición de los usuarios pertinentes.
Automatiza. La
clasificación y la captura del
mismo.
Los procesos manuales
tienen de OLVIDARSE.
Las herramientas de
integración y metadata son
cruciales en esta fase
28. Congreso Académico ITGSM14 – Diapositiva 28
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Fase4: Gobierna el dato.
Revisa/crea tu mapa de datos. Determina donde se origina el
dato, que aplicaciones acceden y transforman, en que procesos se
consumen y que usuarios los consultas.
Una estrategia de data governance es crucial para no generar mas
Dark Data.
Data
Governance
Dato
Sistemas
Procesos
Personas
30. Congreso Académico ITGSM14 – Diapositiva 30
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Ejemplo:DarkDataenelproceso
comercial
Agenda
OBJETIVO: Mejora del proceso comercial
Aplicaremos una visión holística del proceso comercial.
Dark Data y Big Data no son el objetivo, son herramientas.
Las personas IMPORTAN.
31. Congreso Académico ITGSM14 – Diapositiva 31
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
¿Cómo son TUS procesos comerciales?
Respuesta estándar:
“El departamento de marketing hace campañas.
Los comerciales venden, unos mas y otros menos y se les pagan
comisiones por ello.”
32. Congreso Académico ITGSM14 – Diapositiva 32
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Describeel proceso con TODO lo que sabes
“Piensa en como vendes y escribe el proceso”
33. Congreso Académico ITGSM14 – Diapositiva 33
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
¿Cómo MEJORAR tus procesos comerciales?
Primera idea:
34. Congreso Académico ITGSM14 – Diapositiva 34
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
¿Cómo MEJORAR tus procesos comerciales?
“2 acciones y 5 análisis que te harán mejorar tus procesos
comerciales”
Otra opción:
35. Congreso Académico ITGSM14 – Diapositiva 35
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Acción 1: Incorpora BIG DATA y DARK DATA
BIG DATA
(Fuerzas
competitivas)
DARK
DATA
(Procesos)
36. Congreso Académico ITGSM14 – Diapositiva 36
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Acción 1: Incorpora BIG DATA
Una cosa es socializar y
otra chafardear.
CHAFARDEA
¿Que quieres preguntar a
las redes sociales?
37. Congreso Académico ITGSM14 – Diapositiva 37
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Acción 1: Incorpora DARK DATA
Ejemplo: Registro de todo lo que envuelve al proceso de
creación de la oferta, como los cambios
– Cambios de productos
– Modificaciones de precio
– Incrementos de descuentos,
– Pactos de formas de pago
– Numero de versiones de oferta
– Tiempo dedicado a crearla y gestionarla
– Comerciales asignados en las diferentes fases
– Historia previa del cliente en la aceptación de ofertas
similares
– Evolución del coste de creación de la oferta
– Etc…
38. Congreso Académico ITGSM14 – Diapositiva 38
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Acción 1: Incorpora DARK DATA
Incorpora cualquier interacción en una visión de 360º del cliente y
el producto
Ejemplo: Interacción en la web
– Productos mas visitados
– Tiempo consulta productos
– Navegación entre productos.
– Descarga de manuales.
– Diferencias de comportamiento entre usuario registrado y
usuario anónimo.
Ejemplo: Soporte al cliente.
– Quejas por tipo de producto / tipo cliente
– Coste incidencias por tipo de producto / tipo cliente
– Grabación de conversaciones de soporte.
39. Congreso Académico ITGSM14 – Diapositiva 39
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Acción 2: Reserva TIEMPO para ANALIZAR
No solo es recolectar información, luego hay que sacar
conocimiento de ella.
40. Congreso Académico ITGSM14 – Diapositiva 40
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Análisis 1: Análisis de tus oportunidades
• Tienes que cultivar las BUENAS oportunidades
de ventas.
• ¿Tienes que invertir en aquellas que pueden ser
muy apetitosas, pero que tienen pocas
posibilidades de éxito
• ¿Qué es una BUENA oportunidad?. Define
previamente como se caracterizan las
oportunidades.
• Análisis de consecución por tipología de
oportunidades y tipología de clientes
41. Congreso Académico ITGSM14 – Diapositiva 41
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Análisis 2: Análisis de proceso de venta
• ¿Cuál es tu proceso de venta?
• ¿Sabes porqué unos
comerciales venden más y otros
menos?
• ¿Hago descuentos al inicio o al
final del proceso?
• ¿La forma de pago la negocio o
no? ¿Qué implica?
Hay que fomentar las acciones de ventas correctas, con la
gente adecuada y en el momento oportuno.
42. Congreso Académico ITGSM14 – Diapositiva 42
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Análisis 3: Análisis de la EJECUCIÓN del proceso
• ¿Cómo están ejecutando el
proceso de venta el equipo
comercial?
• ¿Utilizan todas las fases?
• ¿Están por debajo de la media?
• ¿Qué acciones de corrección se
llevan a cabo cuando se
desvían?
La gestión del proceso y la auditoria del mismo harán que
se detecten malas praxis y que se consigan puntos de
mejora o rediseño.
43. Congreso Académico ITGSM14 – Diapositiva 43
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Análisis 4: Análisis de los CLIENTES
• Debes cultivar a los BUENOS clientes.
• Debes conocer todos los aspectos:
– Facturación
– Márgenes
– Costes indirectos
– Costes logísticos
– Formas de pago
– Volúmenes de los pedidos
– Riesgo de impagos
– Coste de soporte pre-venta y post-venta
– Capacidad de compra
– Fidelidad
– Opiniones
– Capacidad de compra
– Competidores con los que habla
– Etc…
DEFINIR cuándo un
cliente es bueno
Y MEDIRLO
constantemente.
44. Congreso Académico ITGSM14 – Diapositiva 44
SesiónDARKDATA.
JorgeFernández(jfernandez@abast.es).EnricMayol(mayol@essi.upc.edu)
Análisis 5: Análisis de tus MÉTRICAS
• Para los cuatro puntos de análisis hemos utilizado métricas de
rendimiento y de control…
– ¿Son las adecuadas?
– ¿Tengo suficientes datos para tomar decisiones?
– ¿Necesito hacer emerger Dark Data?
– ¿Necesito capturar Big Data?
– ¿Mido los intangibles?
– ¿Comunico de forma eficiente?
Replantearse periódicamente como se están controlando
los procesos y la calidad de los datos analizados.
47. Congreso Académico ITGSM14 – Diapositiva 47
Insertar
Imagen
de este
tamaño
Usando
DARK DATA
en los procesos de negocio
Jorge Fernández
González
Director Consultoría BI
Abast Solutions
jfernandez@abast.es
Profesor asociado UPC
jfernand@essi.upc.edu
Dr. Enric Mayol
Sarroca
mayol@essi.upc.edu
Profesor UPC
Editor's Notes
Una cosa es socializar y otra chafardear.
Socializas para chafardear.
Si no tienes un objetivo claro es difícil sonsacar, nadie te explica intimidades sin dejar trampas en la socialización.
¿Que quieres preguntar a las redes sociales?