El objetivo de esta conferencia es presentar los 3 conceptos esenciales en las áreas de business analytics y data science para asegurar una correcta ejecución de los proyectos. ¿Cómo lograr realizar un proyecto de data science exitoso?
2. ¿QUÉ ES DATA SCIENCE?
DATA
SCIENCE
BIG
DATA
¿Moda o
necesidad?
Nace en los 60’s
Fuente poderosa
de INSIGHTS
Necesidad de
analizar mucha
información
3. ¿QUÉ SIGNIFICA DATA SCIENCE?
Interacción de varias disciplinas para responder a
preguntas de negocio a través de la explotación de los
datos o el análisis de información con modelos
estadísticos.
Computer
Science
Math &
Statistics
Machine
Learning
Traditional
Software
Business
Knowledge
Traditional
Research
DATA
SCIENCE
Copyright by Steven Geringer Raleigh, NC.
Permision is granted to use, distribute or
modify this image, provided that this copyright
notice remains intact.
4. 3 DISCIPLINAS EN DATA SCIENCE
BUSINESS
KNOWLEDGE
12 3
STATISTICS COMPUTER
SCIENCE
6. INVESTIGACIÓN TRADICIONAL VS DATA SCIENCE
INVESTIGACIÓN
TRADICIONAL
DATA
SCIENCE
DISCIPLINA
Objetivo Medir la satisfacción de los clientes Medir la satisfacción de los clientes
Pregunta de negocio
“¿Cuál es el nivel de satisfacción de mis
clientes?”
“¿Qué estrategias de mejora debo implementar
para incrementar la satisfacción de mis
clientes?”
Business
Knowledge
Análisis Análisis Descriptivo Análisis Inferencial / Prescriptivo Statistics
Resultados No permite accionar
Marca el camino a seguir para implementar
estrategias
Inversiones futuras
No hay respaldo estadístico para futuras
inversiones
Respaldo estadístico para inversiones futuras
Estandarización No hay estandarización en el proceso
Recopilación automática de información.
Estandarización de análisis
Computer Science
7. RESULTADOS SIN DATA SCIENCE
Zona 1
Rapidez con que te atendemos 4.37
Rapidez de nuestro servicio 4.41
Amabilidad de nuestra atención en oficinas 4.41
Amabilidad del servicio en punto de venta 4.41
Calificación del proceso del contrato de alta 4.50
Rapidez acreditan tus pagos 4.36
Rapidez entrega de facturas 4.42
8. RESULTADOS CON DATA SCIENCE
1
3
2
4
Proceso de pago
Servicio de los ejecutivos
Proceso de contratación
Plataforma de administración
32%
21%
27%
20%
3.9
4
3.9
4.3
Promedio de calificacionesImpacto de las características a la satisfacción del cliente
n:346
9. ¿QUÉ RESUELVE DATA SCIENCE?
MERCADOTECNIA
• Valor del cliente
• Churn analysis (abandono)
• Affinity analysis
• Segmentación de clientes
VENTAS
• Pricing analysis
• Análisis de venta
• Drivers de venta
• Apertura de nueva sucursales
RECURSOS HUMANOS
• Rendimiento del personal
• Retención de empleados
• Analíticos para reclutamiento
• Ambiente laboral
OPERACIONES
• Análisis de demanda
• Prevención de fallas
• Administración de inventario
• Optimización de recursos
DATOS
• Creación de arquitectura empresarial
• Data Governance
• Desarrollo de KPIs
• Herramientas de recopilación de datos
10. ¿CÓMO ES UNA ORGANIZACIÓN
DATA-DRIVEN?
• Preguntas de negocio
• Capacitación del personal
• Balance a la intuición
• Accesibilidad a los datos
• Apoyo de TI
• Estrategia analítica
• Cambios organizacionales/
Cultura de datos
• Medición de resultados
• Gobierno de datos
• Visión compartida en la
organización
11. ¿CÓMO ES UNA ORGANIZACIÓN TRADICIONAL?
• Soluciones de
Business Intelligence
• Creación de reportes
automáticos
• Seguimiento de KPI’s
• Siguen corazonadas
• No cuestionan
• No hablan un lenguaje
común
• No logran establecer
metas claras
12. ¿SOY DATA DRIVEN?
Debes responder SÍ a las siguiente preguntas
¿Están todos alineados
alrededor de una métrica
que sea el core del negocio?
¿Pueden todos acceder a los
datos que necesitan?
¿Pueden todos obtener
información sobre sus
datos?
13. DATA - DRIVEN EXECUTIVES
• INSIGHTS -> estrategias y acciones
• No se basan 100% en sus corazonadas
• Business Knowledge
14. 3 PUNTOS CLAVE PARA PROYECTOS EXITOSOS
1
2
3
Y de antemano si sabes que no vas a poder accionarte en base a un posible
resultado no hagas el proyecto
Responder una pregunta de negocio
Saber bien qué información necesitas