PRESENTACIÓN - Jornadas de Data Mining del IAE

1. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
LA “FÁBRICA DE ANALYTICS”
MODELADO MASIVO CON FACTORY MINER
DAVID CERVI
HEAD OF PRACTICE | ANALYTICS & FORECASTING
DAVID.CERVI@SAS.COM
ANALYTICSIDEAS.COM

2. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
AGENDA
¿Analytics?
Naturaleza de las decisiones
La fábrica de Analytics
Modelado Masivo con Factory Miner
El rol de los expertos
Comentarios finales
Anexo: preparando la fábrica

3. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
¿ANALYTICS?

4. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
¿ANALYTICS? GANANDO LUGAR EN EL IMAGINARIO COLECTIVO
COMPLETENESS OF
VISION
ABILITYTOEXECUTE
2012
Business Intelligence
Platforms
COMPLETENESS OF
VISION
ABILITYTOEXECUTE 2013
Business Intelligence
and Analytics Platforms
COMPLETENESS OF
VISION
ABILITYTOEXECUTE
2014
Advanced Analytics
Platforms
2015: Se habla del “Citizen Data Scientist”

5. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
¿ANALYTICS? ¿QUE DICEN LOS NÚMEROS?
Fuente: google trends
Big data
Analytics
Business Intelligence

6. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
¿ANALYTICS? NIVELES DE EVOLUCIÓN
ANALYTICALLY
UNDEVELOPED
ANALYTICALLY
AWARE
ANALYTICALLY
INFORMED
ANALYTICALLY
RELIANT
ANALYTICALLY
INNOVATIVE
LEVEL 1
LEVEL 2
LEVEL 3
LEVEL 4
LEVEL 5
Uso aislado
Prácticas y
herramientas
poco
sofisticadas
Analítica predictiva
en aplicaciones de
misión crítica
Gran parte de la
organización aún no
entiende los
beneficios de
Analytics
Uso Analítico bajo
enfoque táctico y
proyectos ad hoc
Desarrollo y
despliegue
limitado.
Todavía cada
departamento tiene
su propio experto
Talento
centralizado en
grandes grupos
El Management
comprende e
impulsa el uso de
Analytics en
iniciativas
estratégicas.
Promueve el
alineamiento
organizacional.
Analytics es parte
del desarrollo de
crecimiento futuro.
Proyectos de
transformación
Analytica.

7. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
NATURALEZA DE LAS DECISIONES

8. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
NATURALEZA DE
LAS DECISIONES
TIPO DE DECISIONES
Estratégicas
de 10 a 20 por año
Tácticas
00‘tas por trimestre
Operativas
000‘es por día

9. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
NATURALEZA DE
LAS DECISIONES
TENDENCIAS: DE LA ESTRATEGIA A LA ACCIÓN
ESTRATEGIA OPERACIONES
MARKETS
GLOBAL
OPERATIONS
PRODUCT
LINES
PRICING
DECISIONS

10. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
NATURALEZA DE
LAS DECISIONES
LA FÁBRICA DE ANALYTICS
INSIGHTS ALGORITMOS

11. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
INSIGHTS ALGORITMOS
Flexible, Ad Hoc Procesos documentados y definidos,
Mejores prácticas
Prototipado Gobierno (de datos, procesos y tecnología)
Científicos de datos, Analistas de negocios Científicos de datos, Ingenieros, DBA, IT
Departamental, Personal, Equipos de trabajo Corporativo
Innovación, experiencia, ensayo y error Escalable, Replicable, Predecible
DATA
Datos crudos, estructurados y desestructurados Preparado para Analytics
EL CÍRCULO VIRTUOSO: ARTE Y PROCESO
“ Arte ” “ Proceso ”
NATURALEZA DE
LAS DECISIONES

12. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
LA FÁBRICA DE ANALYTICS

13. Copyr ight © 2013, SAS Institute Inc. All rights reser ved.
ALARM
SYSTEM
Alarmas
Sistema
Redes
Roberto:
#Messi
Hoy la
rompe!
María
Laura:
Juega la
selección!ALERTA X-
SELL: 12 pk
Gaseosas
@FMRamiro
Mamá: te dejé
una Pizza!

14. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
DECISIONES…
DECISIONES…
DECISIONES…

15. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
FÁBRICA DE
ANALYTICS
OPERACIONALIZAR ANALYTICS
Cómo HUB o servicios de “decisiones” Analytics debe ser parte de los
sistemas operacionales con modelos y algoritmos que promuevan mejores
decisiones. Esto puede hacerse en tiempo real y sin importar ni la complejidad
ni el volumen de información.
AcciónDecisión
Soporte de decisiones
Descripción
Diagnóstico
Predicción
Automatización de decisiones
Datos
Prescripción
Analytics Acción humana

16. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
Latencia de
Datos
Latencia de
Modelo
Tiempo
Valor
ValorPerdido
Latencia de
Decisión
Tiempo Perdido
CAPACIDAD DE REACCIÓN: “TIME TO ACTION”
FÁBRICA DE
ANALYTICS
La capacidad de desarrollar algoritmos y modelos debe adecuarse a la realidad organizacional

17. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
BUILD
MODEL
VALIDATE
MODEL
DEPLOY
MODEL
IDENTIFY
BUSINESS
PROBLEMS
DATA
PREPARATION
DATA
EXPLORATION
TRANSFORM &
SELECT
ANALYTICAL
MODELLING
VALIDATE
MODELS
DEPLOY
MODELS
EVALUATE /
MONITOR
RESULTS
INTERACCIÓN ENTRE PROCESOS
FÁBRICA DE
ANALYTICS
BUILD
MODEL
VALIDATE
MODEL
DEPLOY
MODEL
IDENTIFY
BUSINESS
PROBLEMS
DATA
PREPARATION
DATA
EXPLORATION
TRANSFORM &
SELECT
ANALYTICAL
MODELLING
VALIDATE
MODELS
DEPLOY
MODELS
EVALUATE /
MONITOR
RESULTS
VALIDATE
MODEL
DEPLOY
MODEL
IDENTIFY
NEEDS /
CHALLENGES
MODEL
CALIBRATION
DEPLOY
MODELS
EXPOSE
MODELS
LINK DATA
DELIVERY
EMBED IN
APPS
RUN
MODELS
EVALUATE /
MONITOR

18. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
LA FÁBRICA: VISIBILIDAD Y SINERGIA
FÁBRICA DE
ANALYTICS

19. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
FÁBRICA DE
ANALYTICS
CAMBIAR EL CHIP
La fábrica de AnalyticsAnalytics Tradicional

20. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
FÁBRICA DE
ANALYTICS
OPERACIONALIZAR ANALYTICS

21. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
MODELADO MASIVO
SAS FACTORY MINER

22. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
HOY FUTURO
VOLUMENDEDATOS
¿MANTENÉS TUS CAPACIDADES ALINEADAS
AL CRECIMIENTO DE LOS DATOS?

23. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
Transacciones
agregadas
Tipos de
clientes
Tipos de
comunidades
Distancia
Hábitos
Comportamientos
Administrar la jerarquía de
modelos para elegir el mejor
en cada nivel
Datos
MODELADO
MASIVO
EN EL LÍMITE TODO TIENDE AL TRATO PERSONALIZADO

24. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
MODELADO
MASIVO
CASO DE ANÁLISIS: NET PROMOTER SCORE

25. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
CASO DE ANÁLISIS: DEL INSIGHT A LA ACCIÓN
MODELADO
MASIVO
PASIVO PROMOTORDETRACTOR
?

26. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
CASO DE ANÁLISIS:
SEGMENTOS DE PRODUCTOS
MODELADO
MASIVO
Individual CommercialFamily PrePaid
Small
Business
5 tipos de productos diferentes
gestionados por 5 departamentos
diferentes

27. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
MODELADO
MASIVO
CASO DE ANÁLISIS:
EL PROBLEMA
Individual CommercialFamily PrePaid
Small
Business
Problema:
5 modelos
?
Tiempo de Desarrollo:
5-10 meses (1-2 meses por modelo)
¿Cual es la probabilidad
de que este cliente sea
un “detractor”?

28. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
CASO DE ANÁLISIS:
SEGMENTACIONES DE CLIENTES
MODELADO
MASIVO
Platinum
Gold
Silver
Bronze
Los clientes son
categorizados en
4 niveles de
cuentas
¿Podemos crear
un modelo para
cada
departamento de
cada tipo de
cliente?

29. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
CASO DE ANÁLISIS:
EL NUEVO PROBLEMA
MODELADO
MASIVO
¿Cual es la probabilidad
de que este cliente sea
un “detractor”?
Individual CommercialFamily PrePaid
Small
Business
P G S B P G S B P G S B P G S B P G S B
Problema:
10 modelos
Tiempo de Desarrollo:
10 - 20 meses (1-2 meses por modelo)

30. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
MODELADO
MASIVO
CASO DE ANÁLISIS:
MODELADO MASIVO EN POCOS PASOS
BUILD
MODEL
VALIDATE
MODEL
DEPLOY
MODEL
IDENTIFY
BUSINESS
PROBLEMS
DATA
PREPARATION
DATA
EXPLORATION
TRANSFORM &
SELECT
ANALYTICAL
MODELLING
VALIDATE
MODELS
DEPLOY
MODELS
EVALUATE /
MONITOR
RESULTS
ESPECIFICACIÓN DE DATOS
TEMPLATES DE MODELADO
ANÁLISIS DE RESULTADOS
DESPLIEGUE DE MODELOS

31. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
MODELADO
MASIVO
LA LÓGICA DETRÁS DEL MODELADO MASIVO
Entrenamiento ScoreValidación
Modelo
DESARROLLO PRODUCCIÓN

32. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
Segmentos
DESARROLLO PRODUCCIÓN
Entrenamiento ScoreValidación
MODELADO
MASIVO
LA LÓGICA DETRÁS DEL MODELADO MASIVO

33. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
Campeón
Segmentos
Alternativas
DESARROLLO PRODUCCIÓN
MODELADO
MASIVO
LA LÓGICA DETRÁS DEL MODELADO MASIVO

34. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
!!!???!!!
Tecnología ‘Analytics’
Acabo de desarrollar
850 modelos…
¿Cuándo los
implementas?
TENEMOS CIENTOS DE MODELOS… ¿Y AHORA?
MODELADO
MASIVO

35. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
MODELADO
MASIVO
LA FÁBRICA COMPLETA: SAS MODEL MANAGER
REPOSITORIO
Despliegue /
Gestión del
modelo
Modelo versión 1Monitoreo del modelo
Entrenamiento
Modelo versión 2
Monitoreo del modelo
Retiro del modelo
Inicio del
modelo
Preparación de datos
Desarrollo del modelo

36. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
EL ROL DE LOS EXPERTOS

37. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
EL DESARROLLO DEL “TALENTO” ANALÍTICO…
Al pilar de un entorno colaborativo…Del super-heroe…
EL ROL DE LOS
EXPERTOS
Citizen Data
Scientists
Data Miner
Data
Scientists

38. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
…. PARA FOMENTAR LAS SINERGIAS
EL ROL DE LOS
EXPERTOS

39. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
COMENTARIOS FINALES

40. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
COMENTARIOS
FINALES

41. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
COMENTARIOS
FINALES
ABORDAJE AL MODELADO MASIVO
• Ciclo automatizado
• Modelado por excepción
• El talento del equipo se focaliza en
los problemas más desafiantes y en
los procesos de innovación
• Templates de especificaciones re-
utilizables para compartir mejores
prácticas
• Despliegue en pocos clicks.

42. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
RETAIL & MARKETING BANCOS & FINANZAS
Predecir fuga de clients
Mejores acciones en todos los
puntos de contacto
TELECOMUNICACIONES
Monitoreo de Calidad
Mantenimiento Predictivo
MANUFACTURA
COMENTARIOS
FINALES
INFINIDAD DE APLICACIONES
Marketing personalizado
Experiencia del cliente
Propensiones por producto
Aprobación y seguimiento
Detección del fraude
Cross-Sell Up-Sell

43. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
ANEXO: PREPARANDO LA FÁBRICA

44. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
ANEXO PREPARANDO LA FÁBRICA
Una fábrica de modelos puede requerir estructura y planificación:
• ¿Tienen conciencia y visibilidad de los procesos implicados?
• ¿Hay una adecuada gestión del talento? ¿Integración de los actores
involucrados?
• ¿Disponen de tecnología para escalar con performance tanto en desarrollo
cómo en gestión de modelos?

45. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
ANEXO PREPARANDO LA FÁBRICA
• ¿Son capaces de diferenciar procesos de Business Intelligence, Data Mining, Analytics?
• ¿Cómo describirías tu fábrica?, ¿Insights (desarrollar nuevas ideas)?, ¿Modelos?
• “Time to market” por familia de modelos:
• Semanas:• Semanas:
• Semanas:• Semanas:
Seguimiento Datos
ModelosDeploy
• Semanas:• Semanas:
• Semanas:• Semanas:
Seguimiento Datos
ModelosDeploy
Familia de modelos:

46. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
ANEXO PREPARANDO LA FÁBRICA
• Gestión de datos:
• ¿Acceden a los datos correctos?
• ¿Tienen estrategia de “Big Data”?
• ¿Cómo es el proceso de generación de ABT’s?
• Desarrollo de modelos:
• ¿Variedad de técnicas?
• ¿Interacción con expertos?
• ¿Tienen planes de desarrollo y seguimiento de modelos?
• ¿Trazabilidad? ¿Documentación?
• Despliegue de modelos:
• ¿Es un proceso transparente?. ¿Ágil?
• Monitoreo y seguimiento:
• ¿Realizan el seguimiento del proceso de degradación del modelo? ¿del ROI?
• ¿Implementan Championship - Challenger?

47. Copyr ight © 2012, SAS Institute Inc. All rights reser ved.
MUCHAS GRACIAS
DAVID CERVI
HEAD OF PRACTICE | ANALYTICS & FORECASTING
DAVID.CERVI@SAS.COM
ANALYTICSIDEAS.COM