Convertir Información en
Conocimiento
   Business Intelligence
   Un distinto punto de vista
Qué hay en esta presentación

  Cuña comercial.
  Business Intelligence:
   •   qué es
   •   quien lo usa
   •   objetivo...
Infracom - Soluciones Verticales y Kits
          FOCUS Manufacturing                            FOCUS Shipping
       Par...
¿Quien es Infracom?

  Empresa de Consultoría SAP de origen Italiano, Constituida en
  1999 por la asociación de diversos ...
Business Intelligence según...
  IBM: Es un Concepto: Convertir Datos en Información Útil usando un conjunto de herramient...
Entonces... ¿Qué es Business Intelligence?


  Es un SISTEMA y un PROCESO.
  La definición más común de un BI es:
  “Siste...
BI ¿Porqué es un SISTEMA y un PROCESO?




                                               KPI
                            ...
BI ¿Quién lo usa?


                       5% - Usuarios
                       Técnicamente
                        Avanz...
BI ¿Quién lo usa? (y II)

                                                ?
            Análisis Estratégico              ...
... Y quien lo sufre
BI – Objetivos y Necesidades


  Disponer de una visión única y clara del negocio.
  Facilitar una base común para el anál...
BI – Objetivos y Necesidades (y II)


                                    Mejoras en la Capacidad de
Estratégicos         ...
Un poco de historia


                                                                                    Alertas

       ...
Algunos Fabricantes y Productos
Qué dice Gartner
Estudios de posicionamiento - Referencias
                     Consulta a Usuarios
                     James Richardson
 ...
Para qué usamos BI   (y para qué deberíamos usarlo...)




  ¿Qué ha pasado?
  ¿Qué está pasando?
  ¿Porqué ha pasado?
  ¿...
¿Qué podemos hacer con BI?



  Informes, Estadísticas, Reportes...
  Analítica a hecho pasado.
  Documentarnos para el fu...
El Futuro de BI está aquí

 Business Intelligence
Basado en...                Distribución basada en...
                  ...
Una Pincelada de Data Mining (I)

 Data Mining es...                  Qué entra en juego
El poder extraer información útil...
Una Pincelada de Data Mining (II)

 Sus objetivos                          Herramientas
Predicción de resultados:         ...
Los factores principales de FRACASO en un
proyecto BI

 Confusión sobre quien ha de usar qué.
 Confusión sobre quien ha de...
Business Intelligence en el Mundo Real

  Los siguientes casos están basados en Proyectos
  reales.
  Algunos datos han si...
Administración Pública (I)

Entorno

• Ciudad de un poco menos de 1M habitantes.
• Casi 3,000 Kmq.
• 15,000 empleados públ...
Administración Pública (II)

Visión del Proyecto

• Sin incrementos en el gasto público.
• Reducción de 75MEUR/Año en impu...
Administración Pública (III)

Objetivos Operativos (a)

•   Gestión de aguas
        Análisis del margen de beneficio.
   ...
Administración Pública (IV)

Objetivos Operativos (b)
• Sistemas de emergencia
    • Análisis de eficacia de los servicios...
Administración Pública (V)

Herramientas

• Carga directa de ERP y aplicaciones específicas
  de negocio al DW.
• Enterpri...
Administración Pública (VI)

Técnicamente...

•   150 Usuarios de BI.
•   Cognos como BI frontend.
•   Información disponi...
Administración Pública (VII)

Lecciones Aprendidas

• Datos de Calidad = Buenos resultados del BI.
• Reglas de Negocio bie...
Servicios Corporativos (I)

Entorno

• Empresa de Servicios Horizontales de
  Recursos Humanos en SAP.
• 30 Entidades Asoc...
Servicios Corporativos (II)

Visión del Proyecto

• Unificar los criterios de información estadística entre
  las diversas...
Servicios Corporativos (III)

Objetivos Operativos

• Gestión de Recursos Humanos.
   • Análisis de Carencias.
   • Anális...
Servicios Corporativos (IV)

Herramientas

• Carga directa de SAP-HR. Activación de Cubos
  estándar en SAP BI y customiza...
Servicios Corporativos (V)

Técnicamente...

• 2 Key Users por Entidad Asociada.
• 3 Consultores dedicados Full Time al pr...
Servicios Corporativos (VI)

Lecciones Aprendidas

• Planificar la transición es necesario para disponer de una
  solución...
Industria (I)

Entorno

• Grupo Multinacional, primero en ranking en su sector a nivel
  mundial.
• Más de 40 compañías de...
Industria (II)

Visión del Proyecto

• Crear un Sistema de Información común para compartir
  datos de stock, ventas y mar...
Industria (III)

Objetivos Operativos

• En General
   • Cada compañía, por motivos históricos, usa códigos de
     artícu...
Industria (IV)

Objetivos Operativos (b)

Planificar para el Futuro
• Incorporar otras necesidades de futuro:
   • Work In...
Industria (V)

Herramientas

• DW en Hosting en un Datacenter, basado en una
  solución OLAP-DB
• Hipercubo principal con ...
Industria (VI)

Técnicamente...

• 1 Jefe de Proyecto, 2 Consultores dedicados
  Full Time al proyecto durante el primer a...
Industria (VII)

Lecciones Aprendidas
• Un proyecto sin el soporte de la Dirección del grupo es un
  proyecto condenado al...
Gestión de Fraudes en Medios de Pago (I)

Entorno

• Millones de Transacciones diarias.
• La Corporación extendida: Bancos...
Gestión de Fraudes en Medios de Pago (II)

Visión del Proyecto

• Hacer lo indecible para combatir la lacra de los
  fraud...
Gestión de Fraudes en Medios de Pago (III)

Objetivos Operativos
• Un objetivo principal: evitar el fraude.
• Objetivo sec...
Gestión de Fraudes en Medios de Pago (V)

Metodología

• Cada entidad de Medios de Pago anota las transacciones
  de sus u...
Gestión de Fraudes en Medios de Pago (VI)

Lecciones Aprendidas

• Los modelos de fraude deben ser compartidos con las
  d...
Portal de Comercio en Internet (I)

Entorno

• Portal comercial.
• Productos y Servicios, ofrecidos on-line a miles de
  c...
Portal de Comercio en Internet (II)

Visión del Proyecto

• Buscar los indicadores clave que determinan la
  rentabilidad ...
Portal de Comercio en Internet (III)

Evolución: el modelo de datos NO cambia.

• Ya disponemos de las informaciones
  nec...
Portal de Comercio en Internet (IV)

Datos en origen (I) – El Log del Servidor
• Un ejemplo:
   123.123.123.123        -  ...
Portal de Comercio en Internet (V)


Proceso a toro pasado – informes y análisis
                                         ...
Portal de Comercio en Internet (VI)


Proceso en línea – Minería de datos, relaciones
                            Herramie...
Portal de Comercio en Internet (V)

Lecciones Aprendidas

• La más importante. Siempre hay espacio para la innovación.
• L...
Automoción (I)

Entorno

• Fabricante Mundial de        Automoción   de
  Reconocido Prestigio.
• Líder en su Sector.
• 52...
Automoción (II)

Visión

• Reducir los costes operativos del grupo.
• Reforzar el control de gestión en toda la
  cadena d...
Automoción (III)

Objetivos Operativos

•   Garantías.
•   Detección de Fraudes.
•   Diagnóstico de Fallos.
•   Detección ...
Automoción (IV)


Diagnóstico de Fallos y Detección de Anomalías

• Diagnóstico    de    fallos    en   los    diversos
  ...
Automoción (V)

Lecciones Aprendidas

• Los proyectos de minería de datos siguen siendo,
  hasta cierto punto, un arte más...
Intermediación en Internet (I)

Entorno

• Empresa de Intermediación de Pagos en
  Internet.
• Garantía de Confidencialida...
Intermediación en Internet (II)

Visión

• Aumentar el facturado de la empresa generando
  mayor valor añadido para los Pr...
Intermediación en Internet (III)

Herramientas


• Se mantiene y refina el uso del Data
  Warehouse Corporativo.
• Incorpo...
Intermediación en Internet (IV)

Lecciones Aprendidas

• Planificar correctamente el proyecto y sus
  objetivos. Factor cl...
En resumen

• La definición de qué es Business Intelligence es muy amplia, y a
  veces muy confusa.
• Business Intelligenc...
Contacto
Upcoming SlideShare
Loading in...5
×

SDG 24-03-09 Conferencia Presentacion

857

Published on

Published in: Technology, Business
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
857
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
59
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

SDG 24-03-09 Conferencia Presentacion

  1. 1. Convertir Información en Conocimiento Business Intelligence Un distinto punto de vista
  2. 2. Qué hay en esta presentación Cuña comercial. Business Intelligence: • qué es • quien lo usa • objetivos. • Fabricantes • Posicionamiento • Historia • como se usa • qué nos depara el futuro. Qué hay que evitar. Algunos casos reales. Preguntas y respuestas.
  3. 3. Infracom - Soluciones Verticales y Kits FOCUS Manufacturing FOCUS Shipping Para empresas de producción discreta. Para Operadores Logísticos. Incluye las prácticas de Gestión Integral de gestión de pedidos, Transporte Marítimo, Terrestre, Aéreo y servicios. producción, facturación y compras. Gestiona de manera específica las problemáticas de Master & House Bill of Lading, Arriendo de vehículos, Canales Logísticos, Puertos y Aeropuertos, Grupage, FOCUS Engineering etc. Para empresas que producen por proyecto. FOCUS Building Permite la gestión integral de proyectos, ingeniería, provisión, gestión y facturación Concebido para empresas que trabajan en el mundo según las necesidades específicas. de la construcción. Gestiona de manera integral la provisión, logística, FOCUS Fashion distribución y gestión de recursos. Específicamente desarrollado para el mercado de la moda. Textil, Complementos, calzado. Gestiona de manera integral todos los aspectos del sector. NeaR CAD KIT Integración de los departamentos de Ingeniería con Preindustrialización, Industrialización, Proceso, Compras. Del Diseño a la Lista de Materiales, de manera integrada. NeaR Factory KIT NeaR Warehouse KIT Agilidad en la gestión de planta, gestión de Para Implantaciones SAP que necesiten de una consumos, planificación de producción y solución rápida, eficaz y cómoda en almacenes gestión de recursos internos y externos, automatizados, con o sin radiofrecuencia, gestión de procesos externalizados, ... recorrido óptimo de almacén, etc.
  4. 4. ¿Quien es Infracom? Empresa de Consultoría SAP de origen Italiano, Constituida en 1999 por la asociación de diversos grupos empresariales e industriales. Partner SAP en Soluciones, Servicios y Hosting. 550 Consultores SAP en toda Europa, experiencia contrastada en Despliegues Mundiales. 1,500 empleados, +90 clientes internacionales. 5 soluciones verticales, 3 kits de funcionalidad específica. 3 data centers de alta disponibilidad, redundancia en comunicaciones, 10,000Km de fibra propia y acuerdos con los principales operadores a nivel mundial. Centros de excelencia territoriales, no globales.
  5. 5. Business Intelligence según... IBM: Es un Concepto: Convertir Datos en Información Útil usando un conjunto de herramientas y tecnologías. • Los Indicadores de Negocio son el resultado de la Consolidación de datos diversos (bases de datos, hojas de cálculo, logs, datos geopolíticos, heterogéneos, …) y permiten a los analistas gestionar el cambio y generar mayores beneficios. Jeróme Bergerou (ACCURACAST): Es un Proceso: Usar los datos de manera razonada para gestionar de manera eficaz el negocio. • Provisión de datos, Filtrar y Organizar, Analizar y Determinar la situación, generando escenarios y analizando riesgos para tomar decisiones razonadas. SIEBEL: Es un Conjunto de Herramientas: Mediante la Integración y Transformación de datos heterogéneos en Indicadores Clave, los Directivos, Ejecutivos y Empleados pueden tomar decisiones que mejorarán el rendimiento del negocio. COGNOS: Es la Monitorización de Sucesos, Rendimiento y Operaciones dentro de la compañía buscando aquellos hechos Clave para el Cambio. Una vez que estos hechos se producen, el Sistema debe dirigir la información adecuada a las personas según su Rol en la corporación. Steve Hoberman (Microsoft Office Sharepoint Server – MOSS): Procesos, Tecnologías y Herramientas necesarias para convertir Datos en Información, Información en Conocimiento, Conocimiento en Planes para Gestionar de manera eficaz las Acciones necesarias para el Negocio. • BI agrupa el Data Warehouse, Herramientas de Análisis y Gestión de Contenido y Conocimiento. ORACLE: La Recogida de Información para el Análisis y el Pronóstico del Futuro. De manera sistemática, permite gestionar grandes volúmenes de datos para ofrecer capacidad de decisión razonada y facilitada por información fiable. Dave Menninger (INFORSENSE): “Business Intelligence es la gestión de lo conocido y lo desconocido. [...] Provisión, Consolidación, Ordenación y Preparación de Información para Entender y Actuar sobre la base de Indicadores Clave que definen el rendimiento de la Corporación”.
  6. 6. Entonces... ¿Qué es Business Intelligence? Es un SISTEMA y un PROCESO. La definición más común de un BI es: “Sistema de almacenamiento de Datos Corporativos y sus herramientas de Análisis”. Otra definición es la de “Proceso de Información Analítica de Negocio”. Yo personalmente prefiero considerarlo como “una hoja en blanco y un bolígrafo, potencialmente útiles”.
  7. 7. BI ¿Porqué es un SISTEMA y un PROCESO? KPI Visión Analítica OLAP Data Mining ETL Informes Análisis de Gestión del Fuentes de Data Negocio Rendimiento Información Warehouse
  8. 8. BI ¿Quién lo usa? 5% - Usuarios Técnicamente Avanzados 95% - Usuarios y Punto
  9. 9. BI ¿Quién lo usa? (y II) ? Análisis Estratégico Plan Estratégico Data Warehouse Corporativo (y II) ! Análisis de Rendimiento Reporting Negocio Data Warehouse Corporativo ERP XML CRM ... DW DBRMS xFS
  10. 10. ... Y quien lo sufre
  11. 11. BI – Objetivos y Necesidades Disponer de una visión única y clara del negocio. Facilitar una base común para el análisis y poder tomar así decisiones. Disponer de datos consistentes con la operativa del negocio pero que no interfieren en el día a día. Separar los datos “útiles” de los “inútiles”. Disponer de datos históricos más allá de los límites de los sistemas transaccionales. Ser realmente de utilidad a quien lo utiliza
  12. 12. BI – Objetivos y Necesidades (y II) Mejoras en la Capacidad de Estratégicos Decisión Optimización de los Planificar el Futuro Procesos de Negocio Analísis Qué habría pasado si... Tácticos Motivos que nos han llevado Rendimiento a... Recursos Tecnologias Ventas Operativos Humanos Información Marketing Operaciones Finanzas ...
  13. 13. Un poco de historia Alertas Colaboración, Notificación en Procesos de base a Eventos Workflow Visualización Portales de Cuadros de Análisis Predictivo Información Mando Soluciones a Plantillas y Adaptabilidad de Scorecards medida Modelos de Datos Procesos Informes y ETL, Calidad de OLAP, Queries y Gestión del Ciclo Análisis de Estadísticas datos, “Data Data Mining de Vita de los DW Contenidos Impresos Cleansing” 1975-1989 1990-2004 2005-2020 Suites de BI y Automatización Automatización de Procesos diferidos Data Warehousing aplicaciones de Procesos de Procesos y en soporte papel analíticas Decisión (BPM) Inteligentes
  14. 14. Algunos Fabricantes y Productos
  15. 15. Qué dice Gartner
  16. 16. Estudios de posicionamiento - Referencias Consulta a Usuarios James Richardson Magic Quadrant + 350 compañías Customer Survey Se analizan12 indicadores clave Consulta a Usuarios Nigel Pendse + 1,900 compañiás de 60 paises 1,901 Companies Se analizan17 indicadores clave. Evaluación por expertos Evaluación por Expertos Kurt Schlegel - Bhavish Sood BI Platform Consulta a Usuarios Capabilities Se analizan 12 indicadores clave y se Rating Daan Van Beek - Norman Manley cruzan con 220 criterios de análisis. Se analizan +70 criterios clave Evaluación pr Expertos Cindi Howson Análsis de las herramientas en entornos reales. Se utilizan +100 criterios de análisis.
  17. 17. Para qué usamos BI (y para qué deberíamos usarlo...) ¿Qué ha pasado? ¿Qué está pasando? ¿Porqué ha pasado? ¿Cuándo ha pasado? ¿Qué pasará? ¿Qué quiero que pase? ¿Creo en el Oráculo de Delfos?
  18. 18. ¿Qué podemos hacer con BI? Informes, Estadísticas, Reportes... Analítica a hecho pasado. Documentarnos para el futuro. Alertas tempranas. Modelización del futuro. Usar la cabeza y no dejar que el sistema pueda tomar decisiones por nosotros.
  19. 19. El Futuro de BI está aquí Business Intelligence Basado en... Distribución basada en... • Sucesos. • Data Warehouse. • Contenidos. • Analítica de Negocio. • Visualización. • Gestión de Rendimiento. • Movilidad. Integrado con... Decisión basada en... • Geo posicionamiento. • Modelos avanzados. • Fuentes Heterogéneas. • Correlación con datos no • En Tiempo Real. modelados. • Inteligencia Artificial.
  20. 20. Una Pincelada de Data Mining (I) Data Mining es... Qué entra en juego El poder extraer información útil • Métodos Matemáticos. de grandes volúmenes de datos. • Algoritmos. • Inteligencia Artificial. Algoritmos I.A. Data Mining Métodos
  21. 21. Una Pincelada de Data Mining (II) Sus objetivos Herramientas Predicción de resultados: Métodos directos: En función de los indicadores • Árboles de Decisión. actuales, determinar el • Funciones de Probabilidad. comportamiento de indicadores Métodos estadísticos. futuros. • Métodos Bayesianos. Descripción de la realidad: • Redes Neuronales. Encontrar patrones de • Validación Cruzada. comportamiento que nos interpretar la realidad. • …
  22. 22. Los factores principales de FRACASO en un proyecto BI Confusión sobre quien ha de usar qué. Confusión sobre quien ha de saber qué. Eternizar los tiempos de implementación. Distribuir Demasiada información. Confundir Reporte con Análisis. Confundir Análisis con Capacidad de Decisión. No Identificar adecuadamente la información Realmente Útil. Querer Abarcar demasiado. Tener Diferentes Versiones de la Verdad. No involucrar al Usuario.
  23. 23. Business Intelligence en el Mundo Real Los siguientes casos están basados en Proyectos reales. Algunos datos han sido modificados para proteger la privacidad de las empresas los han implementado. Estos cambios pueden contener errores no intencionados, que son responsabilidad única del autor de esta presentación. Administración Pública Servicios Corporativos Industria Medios de Pago Portal Comercial Automoción Servicios de Internet
  24. 24. Administración Pública (I) Entorno • Ciudad de un poco menos de 1M habitantes. • Casi 3,000 Kmq. • 15,000 empleados públicos. • 2,000 MEUR de Budget operativo. • 500 MEUR de Budget para inversiones.
  25. 25. Administración Pública (II) Visión del Proyecto • Sin incrementos en el gasto público. • Reducción de 75MEUR/Año en impuestos, a partir del 3er año. • Reducción de los gastos de infraestructura, sin reducciones evidentes en la calidad de servicio. • Acceso a la información desde cualquier punto. • El desarrollo tecnológico debe alinearse con el desarrollo de la ciudad.
  26. 26. Administración Pública (III) Objetivos Operativos (a) • Gestión de aguas Análisis del margen de beneficio. • Análisis de la eficiacia operativa. • • Mejora medioambiental Análisis geográfico de la eficacia en medidas anticontaminación. • Análisis de la red de aguas para la calidad del agua. • • Planificación urbana Análisis del desarrollo urbano y la aplicación de infraestructura • combinados con datos geográficos. • Sistema de transporte público Análisis de la eficacia de la red urbana en términos de cumplimiento • de horarios y capacidad de viajeros.
  27. 27. Administración Pública (IV) Objetivos Operativos (b) • Sistemas de emergencia • Análisis de eficacia de los servicios de emergencia en términos de tiempos. • Servicios urbanos. Parques y Jardines • Cursos de Natación, Patinaje y/o Deportes: ¿cual es más atractivo? • Recursos Humanos • Análisis de Nuevas Posiciones. • Análisis de Bajas. • Planificación de Sucesiones. • Presencia/Penetración de Sindicatos. • Determinación de Costes por Centros de Beneficio. • Preparar el camino para la Implementación de SAP HR. • Preparar el terreno para análisis de servicios en base demográfica/censal.
  28. 28. Administración Pública (V) Herramientas • Carga directa de ERP y aplicaciones específicas de negocio al DW. • Enterprise Content Management (Sistema Gestión de Contenidos Corporativos) para la gestión de datos heterogéneos y posterior volcado al DW. • Distribución de Contenidos e Informes a través de portales de servicio.
  29. 29. Administración Pública (VI) Técnicamente... • 150 Usuarios de BI. • Cognos como BI frontend. • Información disponible en el Portal del Usuario. • Distribución de Contenidos e Informes a través de Portales de Servicio.
  30. 30. Administración Pública (VII) Lecciones Aprendidas • Datos de Calidad = Buenos resultados del BI. • Reglas de Negocio bien estructuradas e implementadas. Un factor crítico para disponer de Datos de Calidad. • Definir los Metadatos, un factor trascendental para recuperar la información a posteriori. • Establecer formalmente el ciclo de vida del DW = Un sistema de BI sólido. • Support Services para el Usuario. Muy Importante. Un Usuario con un buen servicio de soporte es un usuario proactivo. • Formación, formación y formación. Garantiza un arranque de proyecto de éxito.
  31. 31. Servicios Corporativos (I) Entorno • Empresa de Servicios Horizontales de Recursos Humanos en SAP. • 30 Entidades Asociadas. • +/- 2,700 Trabajadores. • 15 Consultores de HR.
  32. 32. Servicios Corporativos (II) Visión del Proyecto • Unificar los criterios de información estadística entre las diversas Asociadas. • Eliminar los desarrollos a medida por Asociada. • Mantener la Seguridad de la Información. Garantizar que ninguna Empresa Asociada pueda acceder a los datos de las otras. • Crear una Base Común de Información Agregada a todas las Asociadas para determinar tendencias del sector. • Acceso Seguro, pero sin grandes inversiones en Infraestructura.
  33. 33. Servicios Corporativos (III) Objetivos Operativos • Gestión de Recursos Humanos. • Análisis de Carencias. • Análisis de Roles y Funciones versus Personal Contratado. • Preparar el camino para la implantación del Portal de Formación: • Elaborar análisis de formación por Empleado. • Cruzar datos con las requisitos de Organigrama. • Análisis de causas de ausencias, vertical por Entidad y Horizontal por Sector. • Agregar datos de Entidades fuera grupo (“la competencia”). • Preparar el camino para incorporar el Plan de Sucesiones. • Determinar Rotaciones de Personal por grupos de Edad y Zona Geográfica. ¿Causas?
  34. 34. Servicios Corporativos (IV) Herramientas • Carga directa de SAP-HR. Activación de Cubos estándar en SAP BI y customización de cubos según necesidad de Entidad y Grupo. • Segundo DW de Grupo independiente del DW de Entidades. • Distribución de Contenidos e Informes a través de SAP Portal.
  35. 35. Servicios Corporativos (V) Técnicamente... • 2 Key Users por Entidad Asociada. • 3 Consultores dedicados Full Time al proyecto durante el primer año de vida; 2 durante el segundo. • SAP BI como Frontend. • Information Push/Pull – Los Usuarios Recogen la Información.
  36. 36. Servicios Corporativos (VI) Lecciones Aprendidas • Planificar la transición es necesario para disponer de una solución solida de BI. • “Porqué no lo hicimos antes”, o la resistencia del entorno cuesta dinero. • Seguridad, Seguridad, Seguridad. • “El diablo está en los detalles”. No hablamos lo suficiente con las Asociadas antes de diseñar el Almacén de Datos, y tuvimos que rehacer el trabajo. • Usar una fuente única de datos ayuda mucho. Tardamos más en resolver las cargas de datos heterogéneas que las de SAP. Proporcionalmente, el 90% de tiempo lo pasamos resolviendo problemas para datos que representaban menos del 5% del conjunto... Y que no pertenecían a SAP.
  37. 37. Industria (I) Entorno • Grupo Multinacional, primero en ranking en su sector a nivel mundial. • Más de 40 compañías del grupo, 50% productivas, 50% comerciales. • Cada compañía dispone de un sistema de gestión propio y reglas de negocio propias. No existe política común de tecnologías de la información. • 70,000 Productos a catálogo, el 65% de los cuales de alto coste de mano de obra y bajo valor añadido. • 1,800 empleados a nivel mundial, 400 en oficinas. • 750 MEUR Facturado anual. • ¿El diablo hecho proyecto?
  38. 38. Industria (II) Visión del Proyecto • Crear un Sistema de Información común para compartir datos de stock, ventas y margen operativo. • Mantener la independencia de cada compañía. En cualquier momento, el grupo puede decidir desprenderse de una compañía del grupo y esto debe poderse hacer sin interferir con la funcionalidad del grupo. • Interferir lo menos posible en las reglas de negocio de cada compañía. • En lo posible, hacerlo con soluciones “off-the-shelf” y en portal web.
  39. 39. Industria (III) Objetivos Operativos • En General • Cada compañía, por motivos históricos, usa códigos de artículo propios para artículos comunes. Esto debe RESPETARSE en el Sistema de Información. Cada operador debe ser capaz de ver los códigos de artículo según su costumbre, sin importar a qué compañía del grupo pertenecen. • Inventario, Ventas y Margen • Disponer de una visión puntual (1 día operativo de retraso máx.) de los indicadores (Ventas, Margen e Inventario) por Compañía. • Analizar la evolución histórica por Compañía. • Disponer de una visión puntual e histórica por Compañía.
  40. 40. Industria (IV) Objetivos Operativos (b) Planificar para el Futuro • Incorporar otras necesidades de futuro: • Work In Progress. • Compras. • Costes de Producción. • Costes de Mano de Obra. • Preparar el camino a una Migración a un Sistema Común. ¿SAP Quizás?
  41. 41. Industria (V) Herramientas • DW en Hosting en un Datacenter, basado en una solución OLAP-DB • Hipercubo principal con codificación propia de artículos. • Hipercubos específicos por compañía, preparados en cascada del principal. • Solución a medida para la capa de presentación, combinada con Microstrategy y Cristal Reports para las partes de análisis y reportes.
  42. 42. Industria (VI) Técnicamente... • 1 Jefe de Proyecto, 2 Consultores dedicados Full Time al proyecto durante el primer año de vida. • La parte más compleja del sistema es la carga de datos. • El segundo elemento más complejo es el Traductor de Códigos. Se trasladan las reglas de negocio al DW.
  43. 43. Industria (VII) Lecciones Aprendidas • Un proyecto sin el soporte de la Dirección del grupo es un proyecto condenado al fracaso. • Garantizar la limpieza de los datos en origen elimina la mayor parte de los errores en la entrega de información al usuario. • No disponer de reglas de negocio comunes aumenta en un grado la complejidad del proyecto (y los desarrollos a medida en las ETL). • La seguridad es un factor, pero no siempre es crítico. • Cuando los usuarios pertenecen a franjas horarias radicalmente distintas, es necesario planificar en Alta Disponibilidad. • Alta disponibilidad = 1 cero más en la complejidad del proyecto. • Soporte a los Usuarios desde el día de arranque en pruebas. Un factor clave en el éxito del proyecto. • Establecer puntos de entrega claros, bien documentados y aceptados por todas las partes. La gestión de proyecto es crítica.
  44. 44. Gestión de Fraudes en Medios de Pago (I) Entorno • Millones de Transacciones diarias. • La Corporación extendida: Bancos, Emisores de Tarjetas, Gestores de Medios de Pago, Portales, Detallistas, Empresas… • Distintas soluciones, pero un objetivo común. Evitar el fraude y supervisar la actividad de los defraudadores. • Actualmente, se estima que la probabilidad de fraude en medios de pago es aproximadamente el 0,2%.
  45. 45. Gestión de Fraudes en Medios de Pago (II) Visión del Proyecto • Hacer lo indecible para combatir la lacra de los fraudes con medios de pago. • Englobar el proyecto dentro de los objetivos globales de gestión de medios de pago. • Se extremadamente rápido en la respuesta, en particular, gestionar alarmas y avisos de manera proactiva. • Soluciones extremadamente flexibles: no nos olvidemos que este es un problema clásico de la espada contra el escudo. A la larga, la espada siempre rompe el escudo.
  46. 46. Gestión de Fraudes en Medios de Pago (III) Objetivos Operativos • Un objetivo principal: evitar el fraude. • Objetivo secundario: si este se produce, contenerlo. • Comunicar y compartir inmediatamente cuando se detecte un caso anómalo de fraude (un nuevo método). • No compartir con la competencia las informaciones de negocio de las transacciones. • Reducir al máximo los “falsos positivos”, pero recordando que es mejor bloquear un pago “bueno” que dejar pasar un pago “malo”. • Las técnicas y herramientas utilizadas deben ser eficientes desde el punto de vista de coste. • Evitar que el gran público se “asuste” y deje de usar los medios de pago. • Garantizar la confidencialidad bancaria.
  47. 47. Gestión de Fraudes en Medios de Pago (V) Metodología • Cada entidad de Medios de Pago anota las transacciones de sus usuarios en hipercubos. Millones de transacciones por día. • Estos hipercubos permiten crear “patrones de compra”. Modelos sobre la actuación de los compradores. Horarios, tipo de transacción, lugares, valor, tipo de servicio adquirido, etc. • Las correlaciones en los distintos patrones de compra, podemos determinar los modelos de compra real versus compras fraudulentas. • Se utilizan herramientas de Data Mining avanzado para crear, analizar y gestar los patrones. • Por último, el sistema avisa de posibles tentativos de fraude, bloquea la tarjeta y avisa a un operador.
  48. 48. Gestión de Fraudes en Medios de Pago (VI) Lecciones Aprendidas • Los modelos de fraude deben ser compartidos con las diversas entidades bancarias. La unión hace la fuerza. • El coste de mantener a raya el fraude en medios de pago está en línea con el monto de las pérdidas. Optimizar costes sigue siendo una prioridad. • Los modelos de compra pueden ser analizados para determinar qué perfil de comprador compra qué, cuando y donde. • Esta información es Extremadamente valiosa, y una vez agregada, tiene valor comercial. • La realidad es compleja de gestionar, y hay defraudadores que siguen estando un paso delante nuestro.
  49. 49. Portal de Comercio en Internet (I) Entorno • Portal comercial. • Productos y Servicios, ofrecidos on-line a miles de clientes en todo el mundo. • Los Productos y Servicios son rentables, pero no es posible ver una regla clara que asocia Producto y Rentabilidad. • La compañía busca maneras de maximizar la rentabilidad de sus inversiones, y al mismo tiempo saturar el portal con productos rentables.
  50. 50. Portal de Comercio en Internet (II) Visión del Proyecto • Buscar los indicadores clave que determinan la rentabilidad de los productos, no solo los indicadores de rentabilidad pura y dura. • El problema no reside en saber la rentabilidad de los productos ya existentes. • Sino cómo evaluar las tendencias de mercado, y qué elementos “accesorios” hacen que un producto sea más atractivo y genere un mayor volumen de beneficios.
  51. 51. Portal de Comercio en Internet (III) Evolución: el modelo de datos NO cambia. • Ya disponemos de las informaciones necesarias. • “Solo” cambia el método de tratar la información para convertirla en conocimiento. • El uso intensivo de Data Mining es clave para mejorar el margen de beneficio.
  52. 52. Portal de Comercio en Internet (IV) Datos en origen (I) – El Log del Servidor • Un ejemplo: 123.123.123.123 - - [12/Feb/2009:18:34:52 -0500] quot;GET /elfuturo/ HTTP/1.1quot; 200 15320 quot;http://www.google.es/search?q=qué+es+business+intelligence&hl=es&lr=2&start=10&sa=Nquot; Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; GTB6; .NET CLR 1.1.4322; .NET CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648) • ¿Qué quiere decir? 123.124.125.126: La dirección IP. • -: El nombre del usuario remoto. • -: Su usuario de red. • [12/Feb/2009:18:34:52 +0100]: Fecha, Hora, Franja horaria del usuario. • “GET /elfuturo/ HTTP/1.1”: La petición en sí. El enlace físico a la página que el • usuario accede. • 200: El resultado de la petición. • 15320: el tamaño, en bytes, de lo que el servidor ha enviado al peticionario. • quot;http://www.google.es/search?q=qué+es+business+intelligence&hl=es&lr=2&s tart=10&sa=Nquot;: Desde dónde se accede, quien ha enviado el usuario a /elfuturo/ Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; GTB6; .NET CLR 1.1.4322; .NET • CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648): Id del navegador.
  53. 53. Portal de Comercio en Internet (V) Proceso a toro pasado – informes y análisis ? ?? Análisis de Negocio ? Cleanse Rendimiento de DW los Productos Combine ETL ? Reporting ? ¿Riesgos? Provisión de Nuevos Productos
  54. 54. Portal de Comercio en Internet (VI) Proceso en línea – Minería de datos, relaciones Herramientas de Data Mining Propuestas de Cambio Agregación Optimización Deducciones Cleanse Combine Análisis de ETL DW Tendencias Provisión de Nuevos Productos
  55. 55. Portal de Comercio en Internet (V) Lecciones Aprendidas • La más importante. Siempre hay espacio para la innovación. • Las nuevas ideas siempre son rentables. Simplemente, hay unas más que otras. • La equivocación es sana. La próxima vez lo haces mejor. • Buscar los resultados espectaculares a corto plazo, especialmente en Data Mining, puede ser contraproducente. Mejor desarrollar los proyectos paso a paso, y gestionar con calma la evolución. • Los datos de base ya están disponibles, hay que mirarlos con ojos distintos
  56. 56. Automoción (I) Entorno • Fabricante Mundial de Automoción de Reconocido Prestigio. • Líder en su Sector. • 520 Segmentos Operativos. • 13 Modelos de vehículos. • 5 Plafones. • 2 Tipos de motor. • 4 Regiones de Ventas.
  57. 57. Automoción (II) Visión • Reducir los costes operativos del grupo. • Reforzar el control de gestión en toda la cadena de valor. • Reemplazar los sistemas tradicionales de planificación. • Mejorar la percepción y el entendimiento de nuestros clientes. • Permear el uso del Data Mining a todos los aspectos de la compañía.
  58. 58. Automoción (III) Objetivos Operativos • Garantías. • Detección de Fraudes. • Diagnóstico de Fallos. • Detección de Anomalías. • Captación de Clientes. • Retención de Clientes. • Planificación de las Inversiones. • Calificación de los Usuarios. • Conducción Predictiva.
  59. 59. Automoción (IV) Diagnóstico de Fallos y Detección de Anomalías • Diagnóstico de fallos en los diversos concesionarios. • Desviaciones significativas respecto a los modelos definidos en preindustrialización disparan las alarmas. • El uso de Data Mining permite reducir el tiempo de detección de las anomalías y reaccionar frente al mercado de manera proactiva. • El mismo proyecto se combina con la detección de fraudes en concesionarios.
  60. 60. Automoción (V) Lecciones Aprendidas • Los proyectos de minería de datos siguen siendo, hasta cierto punto, un arte más que una ciencia. Pero eso no los convierte en menos rentables. • Modelar sobre el 90% de los datos, y validar sobre el 10% restante. Clave para saber si vamos por buen camino. • La Conclusión: Buscar un equilibrio entre el método que mejor se adapta a los datos en análisis y cuan complicado debe ser el modelo.
  61. 61. Intermediación en Internet (I) Entorno • Empresa de Intermediación de Pagos en Internet. • Garantía de Confidencialidad, tanto hacia el Proveedor de Servicios como hacia el Consumidor. • El Valor añadido hacia el Proveedor: Maximizar la capacidad de margen de productos mediante Cross Selling y maximizar el valor de los productos en venta.
  62. 62. Intermediación en Internet (II) Visión • Aumentar el facturado de la empresa generando mayor valor añadido para los Proveedores de Servicios. • Facilitar la segmentación de mercado. Lo que funciona en un sitio y a unas horas y para un rango de consumidores no tiene porqué funcionar en otro segmento. • La información que necesitamos ya está disponible. Lo que sí necesitamos es generar el conocimiento.
  63. 63. Intermediación en Internet (III) Herramientas • Se mantiene y refina el uso del Data Warehouse Corporativo. • Incorporación de herramientas de Business Intelligence Avanzado y Data Mining. • Rediseño integral del CMS para incorporar de manera transparente los resultados de los análisis de BI.
  64. 64. Intermediación en Internet (IV) Lecciones Aprendidas • Planificar correctamente el proyecto y sus objetivos. Factor clave en determinar el éxito. • Data Mining para determinar patrones y modelos. Extremadamente útil para garantizar el éxito de nuestro proyecto. • El Data Mining puede ser extremadamente complejo. Los modelos matemáticos requieren de un profundo conocimiento de las herramientas utilizadas. Pero esa complejidad es propia de la herramienta. El resultado no tiene porqué serlo.
  65. 65. En resumen • La definición de qué es Business Intelligence es muy amplia, y a veces muy confusa. • Business Intelligence es muy útil, pero también es complejo y ofrece muchas posibilidades. • La planificáción es esencial, es muy fácil pillarse los dedos. • Usar Business Intelligence para reportistica y es matar moscas a cañonazos. Podemos hacer mucho más. • Asegurar la calidad de los datos es clave para tener buenos resultados. • Formación y Transmisión de conocimientos al usuario. Otro factor clave para el éxito de un proyecto de BI. • La información está ya disponible. Necesitamos BI Avanzado para convertirla en conocimiento. • Cuando se acude a Data Mining, es prudente buscar el equilibrio entre el modelo y el resultado. Los modelos estadísticos pueden ser extramadamente complejos. • Meter todo en el Data Warehouse no tiene sentido, pero es bueno planificar para el futuro.
  66. 66. Contacto
  1. A particular slide catching your eye?

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

×