Análisis avanzado de datos para afrontar los nuevos desafíos en materia de tráfico y seguridad vial

Transcripción

1 Caso de éxito de cliente en un organismo oficial de tráfico Análisis avanzado de datos para afrontar los nuevos desafíos en materia de tráfico y seguridad vial El reto de asegurar la integridad, seguridad y consistencia de la información con el fin de agilizar la tramitología necesaria para el desarrollo eficiente de las operaciones y procesos en materia de tránsito Noviembre, 2011

2 Contenidos 3 Introducción al caso de éxito Resumen ejecutivo. Ficha del caso de estudio. 5 Nuevos retos o cómo disminuir la tramitología en materia de movilidad La problemática de la administración y el análisis de la información. Decisiones más ágiles y procesos automatizados. 7 La Solución: Quiterian Analytics Auditoría y análisis avanzado de datos en tiempo récord. Análisis avanzados para la entidad reguladora del tránsito. 9 Resultados de la implementación de Quiterian Analytics Optimización de recursos y autonomía del usuario de negocio. Los beneficios obtenidos. u 2

3 1. Introducción al caso de éxito Resumen ejecutivo Con el fin de disminuir la tramitología y agilizar las operaciones y la toma de decisiones, la entidad reguladora en materia de tránsito y movilidad en un país latinoamericano recurrió en 2010 a la plataforma de data mining visual Quiterian Analytics, a través de la gestión de Nase, miembro de la Quiterian Business Partner Network (red internacional de partners de Quiterian). El objetivo de dicho proyecto consistía en crear un registro de datos unificado, a partir de la integración de datos procedentes de fuentes heterogéneas, así como de agentes y organismos diversos, internos y externos, para su análisis homogéneo y en profundidad por parte del usuario de negocio (no técnico). Por otro lado y, para responder a las nuevas necesidades de la organización, interesada en ampliar su cobertura operacional a un ámbito comercial, el proyecto perseguía la automatización de procesos y la agilización de la toma de decisiones, que era a menudo lenta y poco contrastada. Se partía, no obstante, de varios hándicaps. Era necesario manejar grandes volúmenes de datos en crudo, se disponía de poco tiempo para los reportes/análisis diarios, y los usuarios de negocio, pese a contar con amplios conocimientos de negocio, disponían de poca o nula formación técnica. Previamente a la implementación de Quiterian Analytics, los usuarios solicitaban los análisis diarios a los ingenieros de la entidad reguladora, quienes creaban sentencias PL/SQL (Oracle) que, al ser ejecutadas, causaban demoras en los tiempos de respuesta por parte del motor y en la entrega de los reportes. Por este motivo urgía equiparse con una plataforma de análisis que fuera complementaria al BI ya instalado, con el que se venía trabajando hasta entonces. Y que fuera, además, intuitiva, dinámica, accesible y fácil de implementar. El contexto demandaba agilidad en la toma de decisiones, autonomía a los usuarios de negocio para desarrollar sus análisis diarios, y automatización de los procesos. Mediante las avanzadas técnicas analíticas y predictivas de Quiterian Analytics, fue posible para los usuarios empezar a ejecutar análisis de negocio en profundidad, al instante y sin dependencia del departamento de sistemas, realizando cruces de información y perfiles, extrayendo patrones y tendencias, así como información implícita en los datos. Sus técnicas de ingeniería les permitieron/permiten, además, incrementar el valor y la consistencia de los datos a partir de métricas, agregados o cuantiles. Los resultados registrados hasta la fecha no dejan lugar a dudas: sólo desde la implementación hasta la actualidad se han analizado y sistematizado casi 60 millones de registros y más de tres millones y medio de transacciones. Y los beneficios obtenidos son igualmente evidentes: mejora y reducción del tiempo de consultas a la base de datos, optimización de recursos y gestión óptima de procesos orientados al ámbito operativo. u 3

4 Ficha del caso de estudio Cliente: Entidad de ámbito nacional dedicada a asegurar el correcto cumplimiento de la normativa relativa a transportes, tránsito y seguridad vial, y de prestar un servicio óptimo a la ciudadanía en materia de movilidad. Reto: Reducción de la tramitología y agilización de las operaciones y la toma de decisiones. Objetivo: Creación de un registro de datos unificado, a partir de la integración de datos procedentes de fuentes heterogéneas y de agentes y organismos internos y externos, para su análisis homogéneo y en profundidad por parte del usuario de negocio. Hándicaps: Grandes volúmenes de datos en crudo Poco tiempo disponible para los reportes/análisis diarios. Los usuarios de negocio disponen de escasa formación técnica (sólo poseen conocimientos de negocio). Solución implementada: Quiterian Analytics Año de implantación: 2010 u 4

5 2. Nuevos retos o cómo agilizar la tramitología en materia de movilidad Hacia un registro de datos centralizado, integrado y unificado para obtener una visión holística del negocio y asegurar la eficiencia y la efectividad del servicio Existe en la actualidad una vasta cultura de tramitología alrededor de la documentación manejada por la entidad reguladora del tránsito de cada país. Las licencias y certificados expedidos, los trámites y traspasos realizados o las revisiones técnico-médicas registradas periódicamente, por parte de la entidad nacional de tránsito o por los organismos adscritos a aquélla, se cuentan por millones cada año. La heterogeneidad de la información y su falta de consistencia e integridad obstaculizan a menudo los procesos, los flujos internos y las operaciones externas. Con el fin de agilizar los trámites y mejorar la eficiencia de los procesos, el organismo oficial encargado de la regulación del tránsito y el aseguramiento del cumplimiento de la normativa vial en un país latinoamericano ₁, se ha equipado con Quiterian Analytics. La plataforma de data mining visual ha permitido a dicho organismo unificar todos sus registros con un triple propósito: Centralización del sistema de información Digitalización y cohesión de la información Unificación de todos los sistemas de validación Pese a la reciente implementación, los usuarios de negocio ya se refieren a Quiterian Analytics como una plataforma fresca, sencilla y cómoda para un usuario final exigente. Las cifras también demuestran que las expectativas han sido superadas con creces, tanto en carga de registros como en calidad de la información. Sólo durante el año 2010 se han analizado y sistematizado casi 60 millones de registros y más de tres millones y medio de transacciones ₂. Los usuarios de la entidad reguladora del tránsito en un país de Latinoamérica se refieren a Quiterian Analytics como una plataforma de data mining visual fresca, sencilla y cómoda para un usuario final exigente Durante 2010 se han analizado y sistematizado 60 millones de registros y más de tres millones y medio de transacciones ₁ El presente documento se basa en un caso de éxito con la entidad reguladora del transporte y el tránsito de vehículos de un país latinoamericano. Por motivos de protección de datos, no podemos revelar la identidad de dicha institución. ₂ Datos confirmados por el diario La República, en un artículo publicado por Ávila Sánchez, Liliana en la sección Infraestructura, el 29/04/2011. u 5

6 2.1. La problemática de la administración y el análisis de la información Como consecuencia del manejo de grandes volúmenes de datos procedentes de múltiples orígenes (transacciones, bases de datos, registros ), así como de agentes diversos, se requería integrar la información para un análisis cohesionado de la misma. Pero la creación de reportes suponía, además, la aplicación de distintas reglas de negocio frente a una fuente de base de datos con cientos de tablas y millones de registros distintos. Para ello, el equipo de ingeniería creaba sentencias PL/SQL (Oracle) que, al ser ejecutadas, traían consigo múltiples inconvenientes: Respuestas con alta variabilidad frente a diferentes condiciones de negocio. Afectación en el flujo de los procesos y, por lo tanto, variación en los requerimientos de información solicitada. Altos índices en los tiempos de respuesta frente a la creación de reportes, que abarcaban desde la consulta al motor hasta el afinamiento del reporte en la calidad de los datos. Imposibilidad de identificar inconsistencias en los datos almacenados. Las sentencias PL/SQL (Oracle) generaban carga adicional a la operación del motor y causaban demoras en la entrega a los usuarios solicitantes de los análisis. Por eso se necesitaba una herramienta que fuera compatible con los sistemas de BI ya implantados con anterioridad Las sentencias PL/SQL (Oracle) implicaban, por tanto, una demora en los tiempos de respuesta por parte del motor, ocasionando carga adicional a la operación de éste, y demoras en la entrega a los usuarios solicitantes de los reportes. Por ejemplo, se destinaban varias horas a la realización de análisis mensuales con la información estructurada para ser presentada a las áreas pertinentes. En este contexto, era necesario agilizar los procesos de recogida y análisis de datos y mejorar la profundidad de dicho análisis, ganando eficiencia y reduciendo costes y tiempo. Y, por descontado, se necesitaba una herramienta que fuera compatible con los sistemas de Business Intelligence ya implantados con anterioridad Decisiones más ágiles y procesos automatizados Quiterian, complemento del BI tradicional Revela qué ha ocurrido, por qué y qué ocurrirá luego Analítica avanzada intuitiva y en modo auto-servicio para usuarios de negocio El data mining visual más rápido e intuitivo Insights de negocio a partir del análisis de datos en crudo Previamente a la implantación de Quiterian Analytics, los datos no estaban integrados, la toma de decisiones estratégica se llevaba a cabo de forma lenta y quizás poco contrastada, y se perdía tiempo valioso. A estas problemáticas iniciales se sumaron las nuevas necesidades de la organización, interesada en ampliar su cobertura operacional a un ámbito comercial, mediante el uso de herramientas tecnológicas para la gestión de la información, que pudieran ser dinámicas, accesibles, intuitivas y de rápida implementación dentro de la organización. Urgía agilizar la toma de decisiones, aportando profundidad y rapidez de análisis. Para ello era requisito prioritario asegurar la calidad de los análisis diarios y su rápida generación, para que pudieran derivar en una toma de decisiones más contrastada. A la necesidad de integrar datos heterogéneos, agilizar y ganar profundidad en los análisis diarios y reducir tiempos y costes, se sumaron las nuevas necesidades de la organización, interesada en ampliar su cobertura operacional a un ámbito comercial Por otro lado, en nombre de la eficiencia era necesario automatizar los procesos. La generación de los reportes por parte del personal se realizaba de forma manual, afectando la ejecución de otras actividades prioritarias. u 6

7 Quiterian. Caso de éxito de cliente 3. La Solución: Quiterian Analytics 3.1. Auditoría y análisis avanzado de datos en tiempo récord La tecnología puntera de Quiterian permite cargar e integrar datos heterogéneos para crear un repositorio de análisis sin la necesidad de un modelado clásico, sin cubos, dimensiones, medidas ni metadatos. Los datos, a disposición del usuario de negocio, pueden ser explorados libremente, en su máxima granularidad, de forma rápida y sencilla, a golpe de ratón. En todo momento del proceso se presentan los datos detallados tanto en grid como en gráficos que facilitan su interpretación. Para analizar los datos, la plataforma de visual data mining dispone de técnicas de analítica avanzada y predictiva: técnicas de cruces mediante tablas pivotadas (Pivot Table), comparativas y concurrencias ocultas (diagrama de Venn), perfiles para identificar características de grupos y patrones (Profile), análisis de grupos para evidenciar tendencias (Bubble), representaciones geográficas (Mapping), etc. Además, para aumentar la consistencia y el valor de los datos, Quiterian Analytics dispone de técnicas para detectar duplicados, higienizar, auditar y estandarizar los datos disponibles, y enriquecerlos, a través de componentes de creación de métricas, agregados, cuantiles, tramos, rangos, etc. Diagrama de Venn. Técnica analítica que combina dos o más segmentos a fin de hallar conexiones, exclusiones o viceversa, a priori no evidentes. Profile. Permite trazar el perfil de un grupo de registros a partir de atributos seleccionados del árbol de datos. Por ejemplo, para conocer el perfil de conductores con mayor número de siniestros cometidos. Quiterian valida la calidad de los datos de forma muy transparente y resuelve en muy corto tiempo interrogantes generados alrededor del negocio La plataforma de visual data mining dispone de técnicas de analítica avanzada y predictiva diseñadas para usuarios de negocio: Pivot Table, Profile, Diagrama de Venn, Bubble, Mapping, Árbol de Decisión, KMeans, Series temporales, etc. Árbol de Decisión. Técnica de analítica predictiva utilizada para la clasificación de datos y la realización de pronósticos. Quiterian iworkflow. Partiendo del análisis de datos en tiempo real, iworkflow monitoriza factores clave, detectando variables que se hallen fuera del valor esperado, y desencadena las acciones pertinentes. Esto permite prever y anticiparse a cualquier factor, facilitar la toma de decisiones, reducir los riesgos y por tanto, ganar eficiencia y competitividad. Mapping. Representa mediante un mapa de polígonos el valor de una función según un rango de colores. Permite visualizar, por ejemplo, los lugares con mayor número de accidentes. u 7

8 3.2. Análisis avanzados para la entidad reguladora del tránsito Análisis de liquidaciones y recaudos por parte de las entidades de tránsito, dependientes del ente regulador, en concepto de certificados de tránsito, certificados técnico-mecánicos, para la expedición de licencias de conducción, etc. Integración y validación de la información relacionada con seguros obligatorios contra accidentes de tránsito, comprendiendo el papel relevante desempeñado por los distintos actores: asegurado, empresa aseguradora, partidas de aseguramiento, vehículo a asegurar y pólizas adquiridas históricamente por el vehículo. Procesamiento y análisis de datos solicitados a diario por el Ministerio de Transporte (del que depende la entidad reguladora del tránsito), para establecer cuantías y estadísticas en el sector del transporte nacional. Por ejemplo, análisis del perfil de conductores con mayor número de siniestros cometidos/padecidos, o identificación de lugares con alto número de accidentes. O pronóstico del crecimiento del parque automotor nacional, en base a la cantidad de nuevas matrículas y solicitudes hechas por parte del concesionario para la legalización de vehículos. Análisis por segmento de vehículos Por ejemplo, por segmento de vehículos de carga pesada: número de vehículos y cantidad transportada por las carreteras nacionales, de acuerdo con las características del vehículo, la cantidad de renovaciones, las revisiones técnico-mecánicas, etc. Automatización de flujos en que se implican las personas y entidades que conforman o participan en las operaciones de la entidad. Identificación de la emisión excesiva de licencias, para regularización de prácticas. Cálculo de licencias de conducción y licencias de tránsito. u 8

9 4. Resultados de la implementación de Quiterian Analytics 4.1. Optimización de recursos y autonomía del usuario de negocio Los procesos que a día de hoy están siendo manejados con Quiterian Analytics son esencialmente tres: identificación de inconsistencias en los datos, validación de reglas de negocio e implementación de nuevos negocios. Los responsables del proyecto han constatado una clara optimización en tiempos de respuesta de informes y análisis: Reducción de costes de infraestructura, puesto que los análisis requieren menos implicaciones técnicas y de infraestructura. Mayor sencillez y operatividad, y menores tiempos de espera, pues los análisis y la generación de reportes se efectúa de una manera muy sencilla y eficaz. Autonomía del usuario no técnico en los análisis diarios, de modo que el mismo usuario puede efectuar los reportes, vía web, sin necesidad de involucramiento técnico. Ello supone una reducción drástica de la carga de trabajo del departamento de TI y del equipo de minería de datos. Quiterian Analytics está siendo utilizado en la actualidad para identificar inconsistencias en los datos, validar reglas de negocio e implementar y modelar nuevos negocios 4.2. Los beneficios obtenidos La implementación de Quiterian Analytics ha permitido, en muy corto espacio de tiempo, agilizar las tramitaciones, operaciones y procesos establecidos con los diferentes stakeholders de la entidad, internos y externos, optimizando recursos y automatizando flujos de trabajo. La información manejada es ahora más consistente, veraz e integrada, y su análisis más completo y profundo, y además fácil y rápido de ejecutar. Los reportes diarios no generan carga de trabajo ni costes adicionales. En cuestión de minutos cualquier usuario de negocio con mínima formación técnica puede realizar un pronóstico acerca del volumen del parque automovilístico para los próximos años. Mejora y reducción del tiempo en el ciclo de consultas a la base de datos. Optimización del tiempo y la disponibilidad del recurso humano. Gestión óptima de procesos orientados al ámbito operativo, y ampliación del alcance, a la generación de nuevos negocios. En poco tiempo se han agilizado las tramitaciones, operaciones y procesos establecidos con los diferentes stakeholders de la entidad, internos y externos, optimizando recursos y automatizando flujos de trabajo u 9

10 Sobre Quiterian QUITERIAN, especialista en análisis avanzado de datos, ha desarrollado una plataforma de visual data mining complementaria a los sistemas de Business Intelligence tradicionales. QUITERIAN Analytics incorpora avanzadas técnicas analíticas y de análisis predictivo que permiten a los usuarios de negocio extraer el máximo valor de los datos de forma sencilla, intuitiva y al instante, analizando libremente miles de millones de registros, TB de datos, a la velocidad del pensamiento, con un servidor muy ligero, sin dependencia del departamento de TI. Entre sus clientes, se encuentran empresas líderes en sus respectivos sectores (El Corte Inglés, BBVA, La Caixa, Inversis, Telefonica, Vodafone, Orange, Telepizza, Volkswagen, Travel Club, Bayer, Sanofi, Assistència Sanitària Col legial) así como algunas de las instituciones públicas más avanzadas (Presidencia del Gobierno, Junta de Andalucía, Generalitat de Catalunya, Generalitat de Valencia, Gobierno de Extremadura, Csic, Ayuntamiento de Madrid, Ayuntamiento de Bilbao, Metro de Madrid, Metro de Bilbao, ATM, Muface, Muprespa, ENESA, etc.) Quiterian, que cuenta con sede central tanto en Europa (Barcelona) como en Estados Unidos (Miami), además de delegaciones en Madrid, Sevilla, Valencia, Lisboa, Los Ángeles y México DF, inició en 2010 un proceso de expansión internacional que la ha llevado a extender su área de influencia mediante acuerdos estratégicos con partners de todo el mundo. Quiterian y DDWeb fueron nombradas en el Magic Quadrant for BI platforms 2011 de Gartner por haber convertido el Data Mining y el Análisis Estadístico en técnicas fáciles de usar y accesibles a todo usuario de negocio. Para más información, visite: Sobre Nase NASE Ltda., fundada en 1997, es una compañía dedicada a implementar soluciones integrales de tecnología de información, teniendo como objetivo el aporte de valor en los diferentes procesos de negocio de sus clientes. Sus servicios se enfocan en la implementación de soluciones end-to-end utilizando productos de fabricantes de talla mundial como: SAP, IBM y Microsoft, compañías con las cuales mantienen una relación de asociados de negocios para diferentes líneas de productos y servicios. Cuentan con vasta experiencia en la implementación de proyectos con clientes nacionales, así como también con clientes de Venezuela, México y USA, en las siguientes líneas: ERP, Inteligencia de Negocios (BI), Inteligencia de Mercados, Calidad de Datos y Administración de Relaciones con el cliente (CRM y XRM). En el año 2000 la compañía abrió la línea de Inteligencia de Negocios y, a partir de entonces, ha utilizado herramientas para la visualización de información (Crystal Reports, Hyperion, Business Objects), para el almacenamiento de datos (IBM DB2, Essbase, SQL Server), para la construcción y población de Data Warehause (IBM Warehouse Manager, MS Integration Services, Business Objects Data Integrator, etc.) y para la integración y el análisis instantáneo de grandes volúmenes de datos (Quiterian); convirtiéndose hoy día, en una empresa especializada en la explotación de datos. Para más información, visite: NASE LTDA Calle 100 N 17ª 36 of (1) Bogotá - Colombia US HEADQUARTERS - Quiterian Miami 2655 LeJeune Road, Suite 810 Coral gables, FL EUROPE HEADQUARTER - QUITERIAN BARCELONA C/ Frederic Mompou 5, Edif. Euro 3, Planta 3ª E Sant Just Desvern (Spain) info@quiterian.com