Your SlideShare is downloading. ×
0
Analizar para competir

Juan Ramírez
Sales Engineer – Responsable
Bilbao, 15 de octubre de 2009
                          ...
• El día 2 de octubre de 2009, se cerró la adquisición de
  SPSS por parte de IBM
• Formamos parte de la unidad Business A...
¿Qué esperan de esta sesión?




 3                             © 2009 IBM Corporation
Agenda

1.   Datos, datos y más datos
2.   Introducción al Análisis Predictivo
3.   El proceso analítico
4.   Aplicaciones...
Agenda

1.   Datos, datos y más datos
2.   Introducción al Análisis Predictivo
3.   El proceso analítico
4.   Aplicaciones...
“In God we trust; all others bring data”
           Barry Beracha, ex CEO de Sara Lee Bakery Group




6                  ...
¿Cómo compiten las empresas hoy en día?

 • Alternativas estratégicas tradicionales ya no son
   válidas
 • Pocas barreras...
El análisis de datos en el tiempo



    Madurez
    Negocio
                             Data                   Inundació...
Evolución hacia el análisis predictivo
     ALTA
   COMPLEJIDAD




                                                      ...
Tipos de datos analizados




                  Fuente: www.kdnuggets.com


 10                                           ...
Agenda

1.    Datos, datos y más datos
2.    Introducción al Análisis Predictivo
3.    El proceso analítico
4.    Aplicaci...
Introducción al análisis predictivo




       “¿Soporte técnico? El sistema de análisis predictivo
         vuelve dar un...
¿Qué es el análisis predictivo?



  “El análisis predictivo ayuda a conectar los datos
           con la toma de decision...
Análisis predictivo en pocas palabras

• Aproximación a la resolución de
  problemas que se apoya en datos
• Enfocado a lo...
Objetivos de negocio

• “Recuperar parte de los ~$18 millones perdidos
  en abandono de clientes cada año. Identificación
...
Objetivos de negocio (cont.)

• “Rentabilizar las interacciones entrantes de los
  clientes para aumentar su fidelidad y v...
Análisis Predictivo = ROI
                             • “El ROI medio de los
                               proyectos que...
Ejemplos
                                                                   $1 millón ahorrado
                           ...
Agenda

1.    Datos, datos y más datos
2.    Introducción al Análisis Predictivo
3.    El proceso analítico
4.    Aplicaci...
¿Qué ven en esta foto?




 20                      © 2009 IBM Corporation
PROCESO
     DATOS               RESULTADOS
             ANALÍTICO




21                                © 2009 IBM Corpor...
Datos          DATOS




 22     © 2009 IBM Corporation
Proceso analítico                                                                                PROCESO
                 ...
Profiling                                                                 PROCESO
                                        ...
Segmentación                      PROCESO
                                  ANALÍTICO




               • Identificación ...
Asociación                                                   PROCESO
                                                     ...
Series temporales                                         PROCESO
                                                        ...
Minería de texto                                      PROCESO
                                                      ANALÍT...
Generación de modelos predictivos                            RESULTADOS




 • El objetivo final de aplicar las técnicas a...
Scoring                                                 RESULTADOS




 • El resultado de la ejecución del modelo predicti...
Despliegue                                                 RESULTADOS




         • Llevar los resultados al lugar donde ...
Principales diferencias entre Business Intelligence           RESULTADOS

y Análisis Predictivo

  • BI proporciona los he...
KPI’s                                                              RESULTADOS



• Métricas financieras o no financieras p...
KPP’s                                                      RESULTADOS




• Identificación de las variables de mayor impac...
PROCESO
      DATOS
     CAPTURAR   PREDECIR    RESULTADOS
                              ACTUAR
                ANALÍTICO
...
¿Cómo encajan las piezas?

 Analizar los datos para
 aumentar el conocimiento
 y predecir el futuro
                      ...
Agenda

1.    Introducción al Análisis Predictivo
2.    El proceso analítico
3.    Aplicaciones
4.    El portfolio de IBM ...
Sectores




           Fuente: www.kdnuggets.com




 38                                    © 2009 IBM Corporation
Aplicaciones por sectores
• Banca / Seguros               • Distribución
 • Abandono, Up & Cross sell,     • Gestión de in...
Análisis predictivo en acción

                   Clientes de mayor
                    Clientes de mayor
                ...
Enfoque clásico


                  • Orden en función del
                    calendario de productos
      A           •...
Optimización de las campañas

Ejecutar las                                  Seleccionar la mejor
campañas                 ...
Escenario completo

                                      Mejor Próxima Acción                     Resultados de la
      ...
Algunas conclusiones…

• Analizar se ha convertido en una necesidad
    para competir
• Da soporte a la toma   de decision...
¿Preguntas?




 45           © 2009 IBM Corporation
¡Muchas gracias!
 Juan M. Ramírez
 Sales Engineer
 SPSS Ibérica, an IBM Company
 Plaza de Colón, 2, Torre II, Pta. 16
 280...
Upcoming SlideShare
Loading in...5
×

"Analizar para Competir"

1,016

Published on

Ponencia de la 1ª jornada de "Marketing Metrics" presentada por Juan Manuel Ramirez, Sales Engineer de "SPSS, an IBM Company".

Published in: Education
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,016
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
54
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Transcript of ""Analizar para Competir""

  1. 1. Analizar para competir Juan Ramírez Sales Engineer – Responsable Bilbao, 15 de octubre de 2009 © 2009 IBM Corporation
  2. 2. • El día 2 de octubre de 2009, se cerró la adquisición de SPSS por parte de IBM • Formamos parte de la unidad Business Analytics and Process Optimization de IBM Software Group • Nuestra misión: Impulsar el uso extensivo de los datos en la toma de decisiones 2 © 2009 IBM Corporation
  3. 3. ¿Qué esperan de esta sesión? 3 © 2009 IBM Corporation
  4. 4. Agenda 1. Datos, datos y más datos 2. Introducción al Análisis Predictivo 3. El proceso analítico 4. Aplicaciones 4 © 2009 IBM Corporation
  5. 5. Agenda 1. Datos, datos y más datos 2. Introducción al Análisis Predictivo 3. El proceso analítico 4. Aplicaciones 5 © 2009 IBM Corporation
  6. 6. “In God we trust; all others bring data” Barry Beracha, ex CEO de Sara Lee Bakery Group 6 © 2009 IBM Corporation
  7. 7. ¿Cómo compiten las empresas hoy en día? • Alternativas estratégicas tradicionales ya no son válidas • Pocas barreras competitivas • Mucho interés en mejora de procesos • Optimizar cadena de aprovisionamiento 1. DATOS • No servir igual a todos los clientes 2. ANÁLISIS • Ajustar al máximo las previsiones 3. TOMA DE DECISIONES • Etc. 7 © 2009 IBM Corporation
  8. 8. El análisis de datos en el tiempo Madurez Negocio Data Inundación Racionalización Cosecha de Anticipación Warehouse de datos en los datos los datos a los datos Punto de inflexión (La búsqueda de orden (La e-evolución y el (Budget IT ajustados (La era del (La búsqueda de la en el almacen de datos) crash del año 2000) y la búsqueda de ROI) Análisis Predictivo) empresa predictiva) Ventaja Competitiva Inicio de tendencia … Tiempo 1994 Fase 1 1997 Fase 2 2000 Fase 3 2003 Fase 4 2007 Fase 5 2010 Database y DW E-oportunistas y Middleware y BI Análisis predictivo y Anticipación de eventos, Tecnologías ERP BPM simulación de procesos y gestión del conocimiento 8 © 2009 IBM Corporation
  9. 9. Evolución hacia el análisis predictivo ALTA COMPLEJIDAD Tecnologías PREDICCIÓN Análisis Predictivo MONITORIZACIÓN Cuadro de mando ANÁLISIS OLAP y visualización REPORTING Query y reporting BAJA BAJO ALTO VALOR Fuente: First Quarter 2007, TDWI Best Practices Report “Predictive Analytics, Extending the Value of Your Data Warehouse Investment” 9 © 2009 IBM Corporation
  10. 10. Tipos de datos analizados Fuente: www.kdnuggets.com 10 © 2009 IBM Corporation
  11. 11. Agenda 1. Datos, datos y más datos 2. Introducción al Análisis Predictivo 3. El proceso analítico 4. Aplicaciones 11 © 2009 IBM Corporation
  12. 12. Introducción al análisis predictivo “¿Soporte técnico? El sistema de análisis predictivo vuelve dar un resultado equivocado. Por favor, ¿podéis arreglarlo?” 12 © 2009 IBM Corporation
  13. 13. ¿Qué es el análisis predictivo? “El análisis predictivo ayuda a conectar los datos con la toma de decisiones extrayendo conclusiones fiables acerca de las circunstancias actuales y los eventos futuros” Gareth Herschel, Research Director, Gartner Group 13 © 2009 IBM Corporation
  14. 14. Análisis predictivo en pocas palabras • Aproximación a la resolución de problemas que se apoya en datos • Enfocado a los objectivos de negocio • Rentabiliza los datos de la organización • Descubre patrones mediante técnicas analíticas • Utiliza los resultados impulsar el desempeño de la organización 14 © 2009 IBM Corporation
  15. 15. Objetivos de negocio • “Recuperar parte de los ~$18 millones perdidos en abandono de clientes cada año. Identificación proactiva de clientes en riesgo y de la mejor acción para retenerlos” • “Personalizar los servicios a las necesidades individuales, con foco en los límites de retirada diaria de efectivo” • “Convertir cada contacto en una oportunidad proponiendo ofertas relevantes y personalizadas en base al perfil y el comportamiento del cliente” 15 © 2009 IBM Corporation
  16. 16. Objetivos de negocio (cont.) • “Rentabilizar las interacciones entrantes de los clientes para aumentar su fidelidad y valor en vida. Simplificar la respuesta de los agentes del call center” • “Minimizar el tiempo de reparación y los costes en todos los procesos de fabricación. Establecer el foco en el mantenimiento predictivo” • “Predecir el fraude para prevenir pérdidas en el programa Medicare” • “Mejorar el proceso selección de estudiantes de primer año con riesgo de bajo rendimiento para ser más eficientes” 16 © 2009 IBM Corporation
  17. 17. Análisis Predictivo = ROI • “El ROI medio de los proyectos que incorporaron tecnología de análisis predictivo fue de 145%, en comparación con un 89% para los que no” Fuente: IDC, “Predictive Analytics and ROI: Lessons from IDC’s Financial Impact Study” Aumentar ingresos Reducir costes • Desarrollar clientes • Ser más eficientes • Nuevas oportunidades de • Evitar el fraude venta • Reducir coste de contactos • Retener clientes 17 © 2009 IBM Corporation
  18. 18. Ejemplos $1 millón ahorrado en costes de Redujo el reparación en menos abandono de de 2 semanas clientes por valor de $1,5 millones 12-14x ROI en sólo 4 en los primeros 6 meses meses 55-97% campañas más efectivas 35-49% más baratas El programa piloto se convirtió en “Fraud Reducción en las Capital USA” con un visitas a la oficina “ahorro” de $237 y necesidades de millones en los staff. Aumento de la primeros 6 meses $1,8 millones en satisfacción en ingresos netos y clientes y agentes ahorro de costes Identificación de 20% más retención estundiantes en en los primeros 2 riesgo más precisa meses (72.2% correcto) 18 © 2009 IBM Corporation
  19. 19. Agenda 1. Datos, datos y más datos 2. Introducción al Análisis Predictivo 3. El proceso analítico 4. Aplicaciones 19 © 2009 IBM Corporation
  20. 20. ¿Qué ven en esta foto? 20 © 2009 IBM Corporation
  21. 21. PROCESO DATOS RESULTADOS ANALÍTICO 21 © 2009 IBM Corporation
  22. 22. Datos DATOS 22 © 2009 IBM Corporation
  23. 23. Proceso analítico PROCESO ANALÍTICO 2. Recopilación de datos Análisis exploratorios Calidad de datos 1. Establecimiento de objetivos 3. Selección de datos Agregaciones Nuevas variables Formato 6. Integración con procesos Valores perdidos operativos Mantenimiento 4. Selección de técnicas Construcción de modelos 5. Evaluación de resultados 23 © 2009 IBM Corporation
  24. 24. Profiling PROCESO ANALÍTICO Churn risk high … If % usage peak > 52 And % roaming > 10 • Encontrar reglas And avg bill size [over 35] And on optimal plan = NO que caracterizan … la propensión a Churn risk high un determinado … If female And % usage out net > 45 comportamiento And avg bill size [23 to 35] And Web: searched “transfer” And service calls > 0 • Múltiples tipos de And used “handset” (sentiment NEGATIVE) datos de entrada … Churn risk low … If male And age > 50 And % usage out net < 25 And avg bill size [0 to 13] And # extensions = 2 … 24 © 2009 IBM Corporation
  25. 25. Segmentación PROCESO ANALÍTICO • Identificación de grupos de registros similares • Sin conocimiento previo sobre cómo se componen los grupos y sus características 25 © 2009 IBM Corporation
  26. 26. Asociación PROCESO ANALÍTICO • Relacionar una determinada conclusión (la compra de un producto) con un conjunto de condiciones (la compra de otros productos) Por ej. cerveza <= lata_veg & congelados (84%) 26 © 2009 IBM Corporation
  27. 27. Series temporales PROCESO ANALÍTICO • Predecir los valores de una o varias series a lo largo del tiempo 27 © 2009 IBM Corporation
  28. 28. Minería de texto PROCESO ANALÍTICO • Categorizar los conceptos que aparecen en una serie de registros/archivos de texto no estructurado. 28 © 2009 IBM Corporation
  29. 29. Generación de modelos predictivos RESULTADOS • El objetivo final de aplicar las técnicas analíticas es la generación de un modelo predictivo • El modelo predictivo es capaz de transformar el conocimiento extraído de los datos en una predicción para cada registro individual • Importante: Necesaria actualización periódica 29 © 2009 IBM Corporation
  30. 30. Scoring RESULTADOS • El resultado de la ejecución del modelo predictivo a toda la base de clientes es el proceso conocido como scoring • Indica, para cada registro, la propensión a que suceda el comportamiento que se está modelando • Es el punto de partida para las actuaciones proactivas posteriores 30 © 2009 IBM Corporation
  31. 31. Despliegue RESULTADOS • Llevar los resultados al lugar donde se necesitan para la toma de decisiones: • Elaboración de informes • Integración en los cuadros de mando • Integración del scoring en ficha de cliente • Ejecución de modelos en tiempo real • Sistemas de ayuda a la toma de decisiones (combinación con reglas de negocio) Complejidad creciente 31 © 2009 IBM Corporation
  32. 32. Principales diferencias entre Business Intelligence RESULTADOS y Análisis Predictivo • BI proporciona los hechos • PA proporciona las razones de una organización: o los propulsores • ¿Qué ha pasado? • ¿Por qué y cómo? • Cruces de variables • Asociaciones predictivas • Métricas de negocio • Modelos optimizados • Informes de hechos • Informes causales • KPI’s: Key Performance • KPP’s: Key Performance Indicators Predictors 32 © 2009 IBM Corporation
  33. 33. KPI’s RESULTADOS • Métricas financieras o no financieras para medir o cuantificar el grado de logro de los objetivos de una organización. Es posible monitorizar su nivel y su evolución en el tiempo. En tiempo real permiten tomar el pulso a una compañía. • Tienen que ser • Específicos • Medibles • Alcanzables • Realistas • Puntuales • Ejemplos de KPI’s: • Tasa de abandono • Satisfacción de clientes • Ingresos/gastos por oficina • Etc. 33 © 2009 IBM Corporation
  34. 34. KPP’s RESULTADOS • Identificación de las variables de mayor impacto en la predicción que se está realizando y su monitorización • Ejemplo de modelo predictivo sobre el abandono de clientes en una empresa de telecomunicación • KPP’s • Antigüedad media de la cartera de clientes • Antigüedad media en su puesto de trabajo 34 © 2009 IBM Corporation
  35. 35. PROCESO DATOS CAPTURAR PREDECIR RESULTADOS ACTUAR ANALÍTICO 35 © 2009 IBM Corporation
  36. 36. ¿Cómo encajan las piezas? Analizar los datos para aumentar el conocimiento y predecir el futuro Recomendar la acción más apropiada a Análisis Predictivo realizar Customer “Product” Almacenar CRM Service & Market datos detallados de los clientes, contactos, eventos, etc. Finance Operations & Risk Fuentes de datos Procesos corporativas operativos y sistemas 36 © 2009 IBM Corporation
  37. 37. Agenda 1. Introducción al Análisis Predictivo 2. El proceso analítico 3. Aplicaciones 4. El portfolio de IBM SPSS 37 © 2009 IBM Corporation
  38. 38. Sectores Fuente: www.kdnuggets.com 38 © 2009 IBM Corporation
  39. 39. Aplicaciones por sectores • Banca / Seguros • Distribución • Abandono, Up & Cross sell, • Gestión de inventarios, Riesgo Previsión de ventas, • Telecomunicaciones Planificación de la oferta • Abandono, Up & Cross sell, • Utilities Mejor Próximo Producto, • Previsión de la demanda, Previsión de tráfico Mantenimiento predictivo • Sector Público • Fabricación • Seguridad, Fraude • Mejora de procesos, Gestión de la calidad 39 © 2009 IBM Corporation
  40. 40. Análisis predictivo en acción Clientes de mayor Clientes de mayor Cuando sus campañas se valor (generalmente) valor (generalmente) dirigen a los mismos clientes… Target • Suponga que tiene tres campaña A Target campañas planificadas campaña B • ¿Enviaría dos o tres mensajes a algunos de sus clientes? Target • En caso contrario, como campaña C elegiría el target para cada campaña? 40 © 2009 IBM Corporation
  41. 41. Enfoque clásico • Orden en función del calendario de productos A • Selección de los mejores clientes por campaña Inconvenientes : B • Proceso sin optimizar • El cliente no recibe C necesariamente la mejor oferta: 25-50% de pérdida de valor 41 © 2009 IBM Corporation
  42. 42. Optimización de las campañas Ejecutar las Seleccionar la mejor campañas campaña para cada cliente AB C Posibles campañas A %??€? 42 A B B ? %? €? C C ? %? €? 87 Investigar en la base de eventos 42 © 2009 IBM Corporation
  43. 43. Escenario completo Mejor Próxima Acción Resultados de la Mejores 3 ofertas campaña y Key registradas para cada Performance cliente de forma individual Predictors Customer ID 1 2 3 12435 A C F 56437 B G D 59235 H C - 45276 - - - Etcetera Modelos predictivos Propensión a la respuesta positiva a cada una de las propuestas de marketing Contacto de cliente Las ofertas de Marketing se personalizan en base a la Próxima Mejor Acción Datos de cliente - Demográficos - Actividad - Productos contratados - Canales - Solicitudes de información - Quejas - … 43 © 2009 IBM Corporation
  44. 44. Algunas conclusiones… • Analizar se ha convertido en una necesidad para competir • Da soporte a la toma de decisiones • El análisis predictivo es una ventaja competitiva • Pegado al negocio • Ahorro de costes • Aumento de ingresos • Rentabiliza los datos y la inversión en IT • Hay múltiples aplicaciones en todos los sectores • Permite incorporar al cuadro de mando indicadores predictivos (KPP’s) 44 © 2009 IBM Corporation
  45. 45. ¿Preguntas? 45 © 2009 IBM Corporation
  46. 46. ¡Muchas gracias! Juan M. Ramírez Sales Engineer SPSS Ibérica, an IBM Company Plaza de Colón, 2, Torre II, Pta. 16 28046 Madrid E-mail: jramirez@spss.com Tel: +34.902.123.606 / Mob: +34.659.331.242 46 © 2009 IBM Corporation
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×