Casos de Uso de Big Data

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Casos de Uso de Big Data"

Transcripción

1 Casos de Uso de Big Data 13 Febrero IBM Corporation

2 Big Data y Watson 2013 IBM Corporation

3 Los datos son el nuevo recurso natural Social. Móvil. Big Data Juntas están enriqueciendo a la sociedad con conocimiento, a través de redes que generan expectativas de valor a cambio de su información 3

4 Big Data ofrece nuevos casos de negocio estratégicos Hexa Peta Hasta x más volumen Mexcla (no)estructurados Volumen Data Scale Tera Giga Datos en reposo instrumentado interconectado Analítica Compleja 4 Mega Kilo Data Warehouse traditional e Inteligencia de Negocio Hasta x más rápido año mes sem día hora min seg ms ocasionalmente frecuentemente tiempo real Velocidad Datos en movimiento Tiempo esperado de decisión inteligente

5 The World of Big Data & Analytics Is Rapidly Expanding Untapped Resource 5 Empower Everyone Increased Value

6 We have entered a new era of computing enabling new opportunities and outcomes 6

7 Announcing The Watson family IBM Watson Solutions Bespoke solutions designed to meet some of industries most demanding needs leveraging cognitive capabilities IBM Watson Advisors Products based on Watson s core attributes and capabilities IBM Watson Cognitive Fabric APIs, tools, methodologies, SDKs, and infrastructure that fuels Watson IBM Watson family IBM Watson Ecosystems The Watson Developer Cloud, Watson Content Store and Watson Talent Hub driving innovation from partners IBM Watson Foundations Provides the big data and analytics capabilities that fuel Watson 7

8 Watson combines transformational capabilities to deliver a new world experience 1 2 Understands natural language and human style communication Generates and evaluates evidencebased hypothesis Watson: Understands me Engages me Learns and improves over time Helps me discover Establishes trust 3 Adapts and learns from training, interaction, and outcomes Has endless capacity for insight Operates in a timely fashion 8

9 Introducing the IBM Watson family 9 Cross-industry Watson Engagement Advisor Watson Discovery Advisor Watson Analytics (NEO) Watson Explorer Industry-specific Watson Health Cloud Watson Travel Cloud Watson Retail Cloud Etc. Ecosystem Watson Products and Services Business solutions and services Watson Developer Cloud Watson Content Store Watson Talent Hub Watson Foundations New era big data and analytics capabilities IBM Decision Management IBM Content Analytics IBM Planning & Forecasting IBM Discovery & Exploration IBM BI & Predictive Analytics IBM Content Management IBM Hadoop System IBM Stream Computing IBM Data Management & Data Warehouse IBM Information Integration & Governance Watson-enabled Solutions (IBM & Client) IBM and client solutions that incorporate Watson services Powered by: Ex. Interactive Care Guide & Reviewer Powered by Watson (Wellpoint) API branding: A modern approach to ingredient branding design the service to be distinctive to IBM. Systems & Storage Systems & storage optimized for big data & analytics

10 A new foundation for leveraging all analytics and harnessing all data All Data IBM Watson Foundations New/Enhanced Applications Information ingestion and operational information zone Real-time analytics zone Exploration, landing and archive zone Information governance zone Enterprise warehouse data mart and analytic appliances zone What action should I take? Decision management What is happening? Discovery and exploration Cognitive Fabric What could happen? Predictive analytics and modeling Why did it happen? Reporting, analysis, content analytics Systems Security Storage On premise, Cloud, As a service 10 IBM Big Data & Analytics Infrastructure

11 Watson Foundations the cornerstone of our IBM Big Data & Analytics Portfolio CONSULTING AND IMPLEMENTATION SERVICES SOLUTIONS Sales Marketing Finance Risk Operations Fraud IT HR IBM Watson and Industry Solutions WATSON FOUNDATIONS Decision Content Planning & Discovery & Management Analytics Forecasting Exploration Business Intelligence & Predictive Analytics Data Mgmt & Hadoop Stream Content Warehouse System Computing Management Information Integration & Governance Unique fuels journey to Cognitive Innovative easy to consume Complete enterprise-ready Fast start anywhere and grow BIG DATA & ANALYTICS INFRASTRUCTURE 11

12 Watson Foundations uniquely Helps me discover fresh insights Predictive and content analytics to uncover patterns not yet known Interactive exploration across all data WATSON FOUNDATIONS Decision Management Content Analytics Planning & Forecasting Discovery & Exploration Business Intelligence & Predictive Analytics Data Mgmt & Warehouse Hadoop System Stream Computing Content Management Information Integration & Governance Operates in a timely fashion Real-time analytics as data flows through an organization Enterprise-class Hadoop that runs 4x faster In-memory computing for speed of thought analytics 12 Establishes trust so I can act with confidence Governance across complete data lifecycle including Hadoop Security and privacy with compliance Transparency and context to decision-making process

13 Arquitectura de Nueva Generación 2013 IBM Corporation

14 Nueva Generación de Arquitectura y Capacidades Fuentes de Datos Analítica en Tiempo Real Area de Entendimiento Aplicaciones Mejoradas Datos de máquinas y sensores Cognitive Customer experience Imagen y video Contenido Empresarial Datos de aplicaciones y transformaciones Informacion Operaciona + + Enterprise warehouse Data Data mart mart Decision management Predictive analytics and modeling Nuevos Modelos de Negocio Mejoras económico financieras Gestión del Riesgo Datos de Redes Sociales Datos de Terceros Exploracion, landing y archivo Analytic appliances Analytic appliances Reporting, analysis, content analytics Gestión de Operaciones y del Fraude Economía IT Gobierno de la Información Discovery and exploration SYSTEMS SECURITY STORAGE 14

15 Oferta Big Data & Analytics Fuentes de Datos INFOSPHERE STREAMS Real-time analytics Actionable insight Enhanced applications Datos de máquina y sensores Imagen y video Contenido Empresarial Datos de aplicaciones y transformaciones Datos de Redes Sociales Datos de Terceros DB2, INFORMIX Information ingestion and operational information INFOSPHERE BIGINSIGHTS Exploration, landing and archive PUREDATA OPERATIONAL ANALYTICS Enterprise warehouse DB2 BLU PUREDATA ANALYTICS Data mart PUREDATA ANALYTICS Analytic appliances WATSON Cognitive SPSS MODELER GOLD Decision management SPSS MODELER Predictive analytics and modeling COGNOS BI COGNOS TM1 Reporting, analysis, content analytics WATSON EXPLORER Customer experience Nuevos Modelos de Negocio Mejoras económico financieras Gestión del Riesgo Gestión de Operaciones y del Fraude Economía IT INFORMATION SERVER, MDM, G2, GUARDIUM, OPTIM Information governance Discovery and exploration SYSTEMS SECURITY STORAGE 15

16 Casos de Uso de Big Data 2013 IBM Corporation

17 Los 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 17

18 Los 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 18

19 Caso de Uso: Exploración y Descubrimiento Enterprise Data Discovery Application User Profiles 360 O View Information Application Big Data Optimization Application User Profiles Application Framework Authentication/Authorization Query transformation Personalization Display Entity Model Text and Metadata processing Thesauri Semantic Clustering Ontology Support Entity Extraction Relevancy Faceting Collaboration Tagging Search Engine Query-Time Connectors Subscriptions Feeds Web Results Content Connectors CM, RM, DM RDBMS Feeds Web 2.0 Web CRM, ERP File Systems 19 19

20 Ejemplos Index Product Catalog, Returns by Product, Availability Sales revenues, Retailers Sales Competitor News, Industry News, Web sites FAQ, MKTG Campaign docs Tweets 20 20

21 Access across many sources Dynamic categorization Expertise location Highly relevant, personalized results Refinements based on structured information Enhanced by social collaboration Leveraging Structured and unstructured content Organize content into virtual folders

22 22 22

23 Global Investment Banking Firm Need Reduce risk and improve compliance Too many silos to monitor across multiple LOBs needed visibility to all from a single point Improve knowledge sharing and research Deliver 360º view of customers, products and assets Solution/Status Watson Explorer deployed in: POC deployed in Consumer Client Banking Risk and compliance solution Asset management group PoC Call center knowledge man 23 23

24 Los 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 24

25 Una plataforma de BIG DATA es la llave para mejorar diferentes procesos de negocio en base a un mayor conocimiento de clientes El reto de Big data no es cuánta información procesar si no como ser capaces de analizar esa información y llevarla a los procesos de negocio 25 25

26 Qué información de cliente podemos obtener de las redes sociales para construir perfiles 360 Qué información podemos extraer de las redes sociales para empezar a formar la visión 360? Qué sería mas prioritario? 26

27 Cómo lo hacemos? Mediante análisis del lenguaje natural la plataforma de Big Data es capaz de analizar diariamente miles de comentarios volcados en las redes sociales e identificar nuevos atributos con los que enriquecer el perfil del cliente Me gusta la novela de aventura, lo último que he leído ha sido la saga crepúsculo. Te la recomiendo, cuando empiezas a leerla no puedes dejarlo. Un abrazo. Mercedes Mañana comida con cliente. Alguien me recomienda un buen sitio para tomar sushi?. Mercedes Qué suerte Ana!! a mi también me encantaría poder hacer un crucero algún día. Mercedes 27 27

28 28

29 Major Italian Bank leverages unstructured client data to improve customer retention Need Drive customer retention activities based on behaviors instead of only transactions Link to the case study /common/ssi/ecm/en/imc 14573usen/IMC14573U SEN.PDF Leverage branch teller notes, call center notes and client s to identify changing client behaviors Track social media sentiment analysis to measure impact of targeted campaigns Targeted Benefits Reduce attrition from 6% to 3% Optimize offers and cross sell to increase average products per customer from 1.4 to 2.2 Improve client advocacy (NPS) 29 29

30 Large Asian credit card company uses Big Data & Analytics to speed customer offers & treatments based on customer behavior Need Required a capability to analyze massive amounts of customer data to more quickly target and deliver rewards programs and offers to more granular customer segments Benefits Significant improvement in offer response rate Increased net margin 13% Allows faster processing of massive amounts of customer data including transactions, contact history, and customer behavior faster than ever before Able to launch more timely marketing activities and change ongoing campaigns on the fly, as a result of real-time campaign analysis IBM Corporation

31 Major Dutch Bank analyzes rapidly client behavior to optimize offers and treatments Need: Rapidly analyze client behaviors to offer personalized marketing offers across all channels and significantly improve offer acceptance rate Solution: IBM PureData for Analytics IBM Unica Benefits: A 98 percent increase in key client interaction performance metrics such as click stream data, analytical reporting and queries. The marketing division is currently exploring adding additional applications on the existing platform given the success of the solution 31 31

32 Casos de Uso en Banca de 360 extendido Contact Center optimization Optimización del Contact Center Interactive contextual campaigns Campañas interactivas contextuales Online channel monitor Monitor de canales on-line en tiempo real Affinity-based assignment of Agents to Customers. Relevant event detection by analyzing conversations with clients. Decision-taking based on this information. Interactive Marketing improvement, based on the usage of information obtained via Big Data: geolocalization, contextual client information, multichannel behavior analysis. Near real time dashboards that show the Internet channel activity, with different aggregation levels and details, from the number of customers connected at any time, down to the transaction that a specific client is executing. Gestor Client complaints de quejas de clientes manager Advanced Spending Manager Spending Manager avanzado 360º client profile with social media analytics Perfil 360º de Clientes con analítica de Social Media 32 Automatic client complaint classification based on unstructured text analytics. Classification of client expenses through the analysis of nonstructured text involved in transactions. Automatic advice engines for clients and merchants. Usage of Advanced analytics on Social Media and development of automatic client matching on those media to complement the profile available at the Bank.

33 Caso de Uso: GeoMarketing 2.0 / Geofencing Pisadas Patrones de movimiento de personas y patrones de estancia Análisis por hora y día Inferencia para métricas de estancias dentro de edificios Sociodemográficos y Conducta Perfil sociodemográfico combinado con Movimiento, como edad, género, país, dirección vivienda, dirección trabajo, tipo dispositivo (datos, status), patrón de actividad Tránsito Inferencia de rutas de transporte público incluyendo carreteras, trenes, autobuses 33

34 Ufone reduced churn and kept subscribers happy, helping ensure that campaigns are highly effective and timely Need To ensure that its marketing campaigns targeted the right customers, before they left the network To keep its higher usage customers happy with campaigns offering services and plans that were right for them Benefits Predictive analytics is expected to improve the campaign response rate from about 25% to at least 50% CDRs can be analyzed within 30 seconds, instead of requiring at least a day Expected to reduce churn by approximately 15-20% IBM Corporation

35 Sprint improves business insight with IBM Big Data Platform Need A solution to perform efficient, near-real-time analytics in order to help drive more meaningful decision making. Sprint wanted to gain strategic insight into the needs of its customers. Benefits Increased transaction capacity by 90 percent Enabled informed, near-real-time strategic decision making Created cost savings through consolidation of legacy solutions Home 2013 IBM Corporation

36 The Next Generation Audience Insights Platform enable use cases which realize new capabilities and business value Use Case 1: Multi-Platform Viewing Quickly measure a TV show's performance across linear and digital platforms Use Case 2: Audience Composition and Indexing Identify specific audience segments or audience attributes across different TV shows Use Case 3: Audience Engagement and Targeting Identify existing fans, target new prospects, analyze engagement across TV shows Use Case 4: Social Sentiment Analysis Analyze social conversations to understand audience sentiment across TV shows Use Case 5: Social Media Indexing and Visualization Explore (browse, search) extracted social media postings about TV shows Overall Architecture 36

37 Use Case 1: Multi-Platform Viewing Quickly measure a TV show's performance across linear and digital platforms Viewership TV Show 37 TV Show XYZ Week # (Episode Aired) Week 6 Viewership ILLUSTRATIVE % of Viewership Channel % of Digital/Mobile of Total Channel Capabilities Integration of disparate linear and non-linear data sources Discovery and analysis of multi-platform audience viewing patterns Benefits Common view of show performance for different business functions Ability to identify impact of digital trends across network portfolio of shows Viewership is defined as Nielsen s Total Reach (How many people watch at least 1 minute of the program)

38 Use Case 1: Multi-Platform Viewing Quickly measure a TV show's performance across linear and digital platforms Linear Viewing Data Data Query: Platform Shows Audience Time Horizon Rules Engine Data Visualization Non-Linear Viewing Data Big Data Advanced Analytics Warehouse Multiplatform View Numbers Structured 1 Merge linear and UI Portal nonlinear viewing data across different platforms into a single coherent view Display Widgets 38 Ad Sales / Research

39 Use Case 2: Audience Composition and Indexing Identify specific audience segments or audience attributes across different TV shows Male Viewership by Gender (TV Shows ABC, JKL, XYZ) Viewership by Age (TV Shows ABC, JKL, XYZ) Top Category Spend (ABC, JKL, XYZ) ILLUSTRATIVE Female Top TV Shows for Restaurant Category Spend Capabilities Data integration of digital and 3rd party spend/affinity data Discovery and analysis of audience attributes across different views TV shows Benefits Ability to identify desired audience attributes for advertisers Identify trends or measure impact of changes that drive desired audience composition 39

40 Use Case 2: Audience Composition and Indexing Identify specific audience segments or audience attributes across different TV shows 40 Linear Viewing Data Non-Linear Viewing Data Demographic Data Affinity & Spend Data Social Media Data 1 Extract viewer affinity and demographics from social data Text Analytics Big Data Advanced Analytics Warehouse Segment Profiles Structured Unstructured Streams Processing 2 Data Query: Platform Shows Audience Time Horizon Demographics Income Affinity Create viewer micro-segments based on affinity, income, & demographics from all data sources Rules Engine Data Visualization UI Portal Display Widgets Ad Sales / Research

41 Use Case 3: Fan Engagement and Targeting Identify existing fans, target new prospects, and analyze overall engagement across TV shows Personal Attributes Sophia Campbell 32 years old, birthday on 7/17 Lives near Raleigh, NC College grad; Income of k In a Relationship Activity Summary Retweets BF s comments Interest in BBC shows: Downton Abbey, Sherlock, Fringe, (P&P?) Watches Modern Family, Vampire Diaries, Sherlock Hunger Games, Katniss/J. Lawrence TV Show Engagement Scores (1-10) ILLUSTRATIVE Social Media Presence Twitter: Soph <3 Facebook: Blog: iamsophie.blogspot.com LinkedIn: Interests/Behavior Watch movies, tv shows Romance plots, hero types, strong women Uses ipad 3, Redbox, Hulu Shopping, interest in sales/deals Duke/ UNC basktball Recommended TV Shows (% Affinity) Capabilities "Entity" integration (audience member) from multiple social, CRM, and other 3rd party sources (Acxiom, etc) Correlation and propensity modeling to build a target audience prospect list Benefits Measure and compare engagement levels of audiences across TV shows Build an actionable list of new prospects to improve marketing efforts 41

42 Use Case 3: Fan Engagement and Targeting Identify existing fans, target new prospects, and analyze overall engagement across TV shows Fan Engagement Level for TV Show XYZ Fan Engagement Level Comparison Capabilities "Entity" integration (audience member) from multiple social, CRM, and other 3rd party sources (Acxiom, etc) Correlation and propensity modeling to build a target audience prospect list Fan Engagement Level for TV Show XYZ Benefits Measure and compare engagement levels of audiences across TV shows Build an actionable list of new prospects to improve marketing efforts 42

43 Use Case 3: Fan Engagement and Targeting Identify existing fans, target new prospects, and analyze overall engagement across TV shows 43 Linear Viewing Data Non-Linear Viewing Data Subscription Data Affinity & Spend Data Demographic Data Social Media Data 1 Influence Extract entity profile info and influence from social + non-social data & perform Entity Integration to create individual profiles Text Analytics Fan Prospects List Big Data Advanced Analytics Warehouse 360 o Individual Profile Structured Unstructured Streams Processing 3 Data Query: Shows Fan type Engagement Churn 2 Create prospects list based on predictive models & produce targeted marketing campaigns Data Visualization Propensity Predictive Analytics Rules Engine Fan Type Engagement Churn Develop models to predict buying propensity, influence, fan engagement, fan type & churn rate Multi-Channel Marketing Campaign Management UI Portal Display Widgets Marketing/ Research

44 Use Case 4: Social Sentiment Analysis Analyze social conversations to understand audience sentiment across different TV shows Positive Tweets Theme: Comedy 44 Social Buzz Trending Topics over Time Social Sentiment ( /+) over Time Capabilities Extraction of Buzz, sentiment, and intent to watch from social media text and other social data fields Development of microsegment profiles that include audience product affinity attributes "It's rare that I laugh out loud when I'm watching a TV show but this show has the zaniest of antics that I can't help but laugh out loud." Theme: Attraction to cast Most Representative Tweets Negative Tweets Theme: Disagreement with storyline ILLUSTRATIVE "When I see Greys Anatomy, when Mcdreamy and McSteamy argue I'm going to stand and shout it's okay boys you can both marry me "The way this is going, Glee is gonna crash and burn because everyone s dying or dating each other and I hate that" Theme: Casting decisions Killing off Sybil has ruined Downton for me, I can't watch anymore I never really got on the Charlie train. As long as Adam doesn't leave I'll still watch Girls Benefits Measure social ratings and performance across a set of TV shows Understand trending topics that are being discussed about TV Shows Analyze differences between difference social audience micro-segments

45 Use Case 4: Social Sentiment Analysis Analyze social conversations to understand audience sentiment across different TV shows Linear Viewing Data Non-Linear Viewing Data Subscription Data Affinity & Spend Data Demographic Data 1 Extract Sentiment & Intent to View from social data Big Data Advanced Analytics Warehouse Structured Unstructured Sentiment Intent 2 Emerging Topics Data Query: Platform Shows Intent Sentiment Affinity Derive emerging sentiment topics of interest by analyzing social media trends Data Visualization Rules Engine UI Portal Display Widgets Product Affinity Social Media Data Text Analytics Streams Processing 3 Descriptive Analytics Relate user social data attributes to product affinity Ad Sales / Research 45

46 Use Case 5: Social Media Indexing and Visualization Explore (browse, search) extracted social media postings about TV shows Filters Results Social Sentiment - Positive Sentiment - Negative Sentiment - Intent to Watch Trends / Topics - Actors - Ed O Neill - Sofa Vergara - Julie Bowen + Cast + Plot Audience Attributes + Location (NY, FL, CA, etc) + Gender + Occupation + Income Lifestyle Affinity +Cars +Travel +Technology Date Range +Episode Aired Week +Custom ILLUSTRATIVE Capabilities Semantics based indexing of social media (unstructured data) Faceted search/browse of social data Visualization of topic clusters (e.g. phrase clouds, etc) Benefits Discover trending topics driving positive or negative sentiment about a particular TV Quickly drill down on topics and/or audience facets to find specific subset of social conversations to review 46

47 Use Case 5: Social Media Indexing and Visualization Explore (browse, search) extracted social media postings about TV shows Discovery Social Media content Rules Engine + Text Analytics Big Data Advanced Analytics Warehouse Structured Unstructured Extracted Social Media 1 Data Visualization Data exploration tool that creates a single repository for multiple BigData sources, where unstructured and structured data is accessible in a single simple web interface. This enables ease of searching and browsing through social media content. UI Portal Display Widgets Text Analytics Social Media Data Streams Processing 47 Ad Sales / Research

48 Los 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 48

49 IBM Client Examples of Solutions in production Client Problem Benefit Sanctions Screening Credit Risk Scoring Reduced watch list checks from 8-12 hours to less than 15 minutes, increased names checked from 2,500 to more than 40,000, reduced false positives by 75%, realized ROI in 3 months Reduced bad debt by 15+% and credit score every customer daily AML Transaction Monitoring Improved efficiency by 60% reducing administrative costs, reduced alerts by 90%, increased accuracy by 60% Online Fraud Detection Lowered fraudulent transfers by 50% 70% false positive reduction by eliminating unnecessary customer validation calls Link Analysis The system helped prevent more than 1,000 customers from losing funds to fraud in the first 50 days of its use. reduced fraud by 30 percent during that same period while improving AML compliance requirements. 49

50 Case management at Canadian Bank uses big data to prevent and contain mortgage fraud in its banking book Need Fraud investigation suffers from inefficient and slow case processing. Analysts work with unstructured data from disparate mortgage data sources, manually entered into the case management system. Very large data volumes make the investigation very complex and time consuming. Benefits Faster decision making, reduced mortgage provisions, and lower investigations costs IBM Corporation

51 BPM and Identity Insight at Insurance Bureau of Canada (IBC) outsmarting fraudsters with fraud analytics Need Link to the Case Study ommon/ssi/ecm/en/imc147 75usen/IMC14775USEN.P DF Automate processes to detect potential claim fraud and identify possible fraud rings. Fraud is said to account for 10 to 15 percent of Insurance losses to drive up claims costs Benefits Automates identity insight solution replaced the manual ad hoc approach to detect and investigate potential fraud Analytics increases opportunities to identify previously unidentified fraud rings Increases confidence in gathering information against suspected fraudsters Home

52 MoneyGram International detects and prevents transfer fund fraud before it impacts customers Need With 230,000 locations in 190 countries MoneyGram International faced pressure to keep up with fraud and compliance regulations affecting the international business landscape Benefits Increased ability to identify and interrupt potentially fraudulent transactions by 40 percent Prevented thousands of customers from losing funds to fraud and realized a 72 percent reduction in consumer fraud complaints in one year Stopped more than US $37.7 million in fraud Home

53 Global credit card provider high volume Internet card fraud French Credit Card Company foils Fraudsters Need French financial cyber crime police alerted to test payment authorizations for 25,548 stolen credit card numbers over a 72-hour period with 13,274 authorizations granted. Fraud began several days later banks alerted when victims disputed the charges IP addresses, domains and bank information were loaded into the IBM centralized analysis solution years of legacy data involving 25,000,000 records Benefits Organized criminality was established with one site in the ring responsible for almost $300,000 in fraud High volume / small amounts of transactions were low risk but high yield One principal group of 1,233 members was identified and 27 sub-groups which were then geospatially mapped Leveraged against other data, individuals were connected with the transactions and arrests made 53 53

54 Los 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 54

55 Big Data Accelerator Types Analytic Accelerators Address specific data types or operations (e.g. Text Analytics, Geo Spatial, etc.) Application Accelerators Address specific applications (example: Log Analysis) Address specific industry functions (Example: Cyber Security, Health care, etc) Address use cases or specific business processes (Customer insights from Social Media) Can be industry-specific or crossindustry. 55

56 Machine Data Analytics is a Business Imperative Cost of system down-time 49 percent of Fortune 500 companies experience more than 80 hours of system down time annually 1 Cost of down-time varies from $90,000/hour in the media sector to $6.48 million / hour for large online brokerages 80 hours * $6.48M = approx $500M per year System downtown costs North American businesses $26.5 billion a year in lost revenue 2 When systems go down Sales and other processes stop Work in progress may be destroyed Failure to meet SLA s and contractual obligations can result in damages, fees, adverse publicity and damage to reputation Customers are lost to competitors, some permanently Productivity suffers and remediation costs additional $$$ s Chart from

57 Machine Data Analytics Vision App. Server Logs System Logs Smart Meters Sensor Data Utility Systems Data Ingestion Data at Rest Data in Motion Out of Box Extractors Processing Real-time Text Analytics Adaptive Algorithms Insights Root Cause Pattern Analysis Anomaly Detection Outcomes Gain deep insights into operations, customer experience, transactions and behavior Proactive planning to increase operational efficiency Facility Systems Message Queues Clickstream Data Configuration Files Web Access Logs Structured Unstructured Unstructured Indexing Searching Forwarding Correlation Predictive Analysis Dynamic Queries Visualization Troubleshoot problems and investigate security incidents Monitor end-to-end infrastructure to avoid service degradation or outages Database Audit Logs and Tables Web Proxy Logs HDFS Logs Extendable Solution 57 57

58 Casos de Uso en Utilities Gestión Comercial más informada e inteligente Smart metering Central de Operación y Mantenimiento de Molinos Fraude técnico Smart Grid Click en imágenes para ver detalles 58 58

59 Ayudar a reducir los costes de energía y la fiabilidad y rendimiento de la red Necesidad Validar la viabilidad de una técnica de la smart grid llamada control transactivo Smart Grid Beneficios Une a consumidores con activos mediante un sistema de señal-respuesta optimiza el sistema e integrar mejor los recursos renovables Permite analizar y ganar conocimiento de 10Pb en minutos Aumenta la eficiencia y la fiabilidad de la red mediante la auto-monitorización y feedback Se capacita a la ciudad para evitar una potencial caída de tensión 59 59

60 Fabricante de aerogeneradores optimiza inversiones de capital Necesidad Definir modelos climáticos para optimizar la localización de las turbinas, maximizando la generación de energía y la vida residual del equipamiento Beneficios Reduce el tiempo requerido para identificar la localización de la turbina de semanas a horas Reduce los costes de IT y disminuye el consumod e energía en un 40% Operation Analytics Localización de Aerogeneradores Incorpora 2,5Pb de flujos de información estructurada y no estructurada. Se espera que el volumen de datos crezca hasta 6Pb

61 Una gran organización no lucrativa de I+D conduce una proyecto de demostración regional para validar las tecnologías de smart grid Necesidad Reunir y analizar datos del rendimiento de la smart grid de 15 sitios de prueba que representan el terreno, meteorología, y demografía de la región para derivar conocimiento y validar las tecnologías smart grid Beneficios 50% de caídas a corto plazo en horas punta 15% de caidas en picos generales 10% reducción de las facturas de electricidad (recomendaciones de consumo) 70 mil M$ de ahorros proyectados en 20 años Poder analizar 10 Pb en minutos Smart Meters 61

62 How can IBM help create a Proactive Call Center? Customer Knowledge Hub Product Knowledge Hub Sentiment Analytics Segmentation Marketing Campaigns Next Best Action Analytics Subscriber Analysis OTT usage Offer & Product Dev Marketing Optimisation IBM Corporation

63 Los 5 Categorías de Casos de Uso Exploración Encontrar, visualizar, comprender los Big Data para mejorar el proceso de decisión Vista 360º cliente mejorada Extender las vistas de clientes (MDM, CRM, etc) incorporando fuentes de información internas y externas Seguridad/Inteligencia Aumentada Reducir riesgo, detectar fraude y monitorizar seguridad en tiempo real Inteligencia Operacional Analizar una variedad de datos máquina para mejorar la eficiencia operacional Aumento del Data Warehouse Integrar las capacidades de big data y de data warehousing para mejora de resultados de negocio 63

64 Data Warehouse Augmentation Use Case Integrate big data and data warehouse capabilities to increase operational efficiency Qualifying Questions 64 Are you drowning in very large data sets (TBs to PBs)? Do you use your warehouse environment as a repository for ALL data? Do you have a lot of cold, or inactive data in your database? Are you having to throw data away because you re unable to store or process it? Are you interested in using your data for traditional and new types of analytics? Extend warehouse infrastructure Optimize storage, maintenance and licensing costs by migrating rarely used data to Hadoop Query-able access to data Governance and Policy-driven archiving 2013 IBM Corporation

65 Archive data into BigInsights using Optim Manage data growth, Lower TCO & Meet data retention compliance Archive Cold Data IMS VSAM More Database Archive files InfoSphere Optim Apply Retention // Hold Policies Capture complete business object Preserve Data Integrity Preserve Schema Metadata Load data into Hadoop as needed InfoSphere BigInsights Archive & Purge Data Compressed, immutable, auditable & restorable archives Query-able data store using Hive in Hadoop IBM Corporation

66 Archive Data Into Hadoop With Optim Database Complete object Optim Big Data Integration Roadmap: : Optim Hadoop Loader to convert Optim archive file into CSV & load into HDFS (next release): Hive External table, via DDL creation in HCatalog. Future: HBase support (planned) CSV Files Hadoop Cluster Archive files Hive warehouse Hcatalog metadata Optim Archive Optim Hadoop Loader HBase database BigSQL.. query processing Application IBM INTERNAL 2013 IBM Corporation

67 Archiving cold data in data warehouses Reduce Costs Improve Performance Minimize Risk Reduce TCO by leveraging an archiving strategy. Reclaim space & defer expensive hardware upgrades. Increase data warehouse performance by archiving out dormant data. Support data retention Archive or legal hold requirement. Archive Capture the precise sets of data required based on your audit or e-discovery IBM Corporation

68 Casos de uso por Industria Banca Optimización de ofertas Servicio a clientes y eficiencia Detección e investigación de fraude Riesgo de crédito y de contrapartida Seguros Vista 360 del sujeto Modelización catástrofes Fraude y Abuso Analítica de rendimiento producto Telecom. Call Center proactivo Analítica de Red Servicios basados en localización Energía y Utilities Analítica de Smart Meter Predicción/ planificación de carga Mantenimiento basado en condición Ofertas a clientes (TOU) Medios y Entretenimiento Transformación de procesos de negocio Optimización de audiencias y marketing Campañas multicanal Optimización de comercio digital Retail Analítica de Cliente y Fidelización Optimización de Mercancías Precios óptimos Transporte y Turismo Analítica de Cliente y Fidelización Analítica de Mantenimiento Predictivo Optimización de Capacidad y Precios Gran Consumo Disponibilidad Estante Optimización de Trade Funds Cumplimiento de mercancías Alertas/Excepciones de promociones Gobierno Servicios públicos Defensa e Inteligencia Servicios fiscales y tributarios Salud Medir y actuar sobre los resultados de salud Involucrar a los consumidores en su salud Automoción Monitorización avanzada de condición Optimización Data Warehouse Analítica de Cliente y Fidelización Química y Petróleo Vigilancia, Análisis, Optimización Operacional Optimización Data Warehouse Investigación Upstream Aviación y Defensa Plataforma de Acceso Información Uniforme Optimización Data Warehouse Plataforma de Certificación Aerolínea Monitorización avanzada de condición Electrónica de Consumo Analítica de clientes/ canal Monitorización avanzada de condición Farmacia Aumentar la visibilidad de la seguridad y efectividad de los medicamentos 68

69 Siguientes Pasos? 2013 IBM Corporation

una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse

una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse una solución para mejorar la toma de decisiones Performance Management Reporting & Analysis Data Warehouse Difícil de Usar Requiere un manejo distinto al habitual Fragmentada Funcionalidad segmentada en

Más detalles

Cómo Orientar el Potencial de Big Data

Cómo Orientar el Potencial de Big Data Cómo Orientar el Potencial de Big Data Fernando Cortés IBM Software Group, Information Management Especialista IBM Big Data Para Reconocer Nuevas Oportunidades, Es Necesario Pensar Más Allá de las Fuentes

Más detalles

System Management: como elemento diferencial para alcanzar sus objetivos

System Management: como elemento diferencial para alcanzar sus objetivos Juan Paulo Cabezas Especialista de Ventas de Soluciones de Seguridad para IBM Latino America Junio 2010 System Management: como elemento diferencial para alcanzar sus objetivos Agenda Problemática y nuestra

Más detalles

Beacons, la baliza de posicionamiento Universal Netclearance Systems & SETESCA

Beacons, la baliza de posicionamiento Universal Netclearance Systems & SETESCA Beacons, la baliza de posicionamiento Universal Netclearance Systems & SETESCA Introducción El nuevo faro para los clientes y consumidores Beacons Un Beacon es un pequeño dispositivo que activa un evento

Más detalles

Accediendo a nuevas perspectivas y oportunidades a través del Big Data

Accediendo a nuevas perspectivas y oportunidades a través del Big Data Accediendo a nuevas perspectivas y oportunidades a través del Big Data Yolanda Mendoza - Information Management Sales Manager SPGI Madrid, 20 noviembre 2013 PALACIO MUNICIPAL DE CONGRESOS Algo importante

Más detalles

NubaDat An Integral Cloud Big Data Platform. Ricardo Jimenez-Peris

NubaDat An Integral Cloud Big Data Platform. Ricardo Jimenez-Peris NubaDat An Integral Cloud Big Data Platform Ricardo Jimenez-Peris NubaDat Market Size 3 Market Analysis Conclusions Agenda Value Proposition Product Suite Competitive Advantages Market Gaps Big Data needs

Más detalles

Microsoft Office Project 2007. Gestión de Cartera

Microsoft Office Project 2007. Gestión de Cartera Microsoft Office Project 2007 Gestión de Cartera Gestión de Cartera de Microsoft 100% 50 % Value Lost Portfolio Management 66% Gestión de inversiones no estructurada Project Management (EPM) 0% 75% 100%

Más detalles

BIG DATA Y SU APLICACIÓN REAL EN LA EMPRESA

BIG DATA Y SU APLICACIÓN REAL EN LA EMPRESA BIG DATA Y SU APLICACIÓN REAL EN LA EMPRESA Javier González Sánchez Director Comercial de Information Management España, Portugal, Grecia e Israel. IBM Software Características de Big Data Procesamiento

Más detalles

problemas y en los retos clave de su empresa objetivos estratégicos

problemas y en los retos clave de su empresa objetivos estratégicos 1 La selección del modelo de despliegue correcto se debe centrar en primer lugar en los problemas y en los retos clave de su empresa para permitirle, de este modo, lograr los objetivos estratégicos en

Más detalles

INNOVACIÓN Tecnologías de información La nueva Era. Javier Cordero Torres Presidente y Director General Oracle México Febrero 27, 2015

INNOVACIÓN Tecnologías de información La nueva Era. Javier Cordero Torres Presidente y Director General Oracle México Febrero 27, 2015 INNOVACIÓN Tecnologías de información La nueva Era Javier Cordero Torres Presidente y Director General Oracle México Febrero 27, 2015 Oracle Confidential Internal/Restricted/Highly Restricted 3 4 OF WORLD

Más detalles

Planificación TI con Rational Focal Point

Planificación TI con Rational Focal Point IBM Software Group Planificación TI con Rational Focal Point Plataforma para la gestión del portfolio de proyectos y aplicaciones Luis Reyes Technical Solution Architect luis.reyes@es.ibm.com Innovation

Más detalles

Think Big Think Data Think Big Data

Think Big Think Data Think Big Data Think Big Think Data Think Big Data Fermín Febrero Technology Consultant 1 En 2000 se generaron DOS EXABYTES De nueva información Sources: How Much Information? Peter Lyman and Hal Varian, UC Berkeley,.

Más detalles

Computación en Memoria

Computación en Memoria Computación en Memoria Cada 18 meses el contenido digital mundial se duplica 2011 SAP AG. All rights reserved. 2 Expectativas de toma de decisiones en tiempo real 66% población posee un móvil 2011 SAP

Más detalles

Innovación en Acción. 2008 IBM Corporation

Innovación en Acción. 2008 IBM Corporation Innovación en Acción 2008 IBM Corporation Ventana Research: Modelo de Maduración Innovación Estratégica Avanzado Táctica 2 3 Preguntas para Performance Management Cómo lo estamos haciendo? Qué deberíamos

Más detalles

La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand. IBM Information Management

La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand. IBM Information Management La siguiente generación de Datawarehouse : Más allá del Data Warehouse permitir information on demand José Ramón Mora IBM Software Group Nuestra visión sobre Business Intelligence Acercamiento Desde hace

Más detalles

Auditoría y Seguridad proactiva de datos. Gabriel Murcia Roncancio

Auditoría y Seguridad proactiva de datos. Gabriel Murcia Roncancio Auditoría y Seguridad proactiva de datos. Gabriel Murcia Roncancio Director de Ventas y Servicios En que piensa En que piensa cuando se trata de seguridad y protección de sus bases de datos? Auditoria

Más detalles

Retos en la gestión de Información requieren Smarter Computing

Retos en la gestión de Información requieren Smarter Computing Retos en la gestión de Información requieren Smarter Computing Diana Ortega zstack Information Architect 1 Operacionales Decisiones Estratégicas Alcance del Business Analytics Análisis y Conocimiento Mejora

Más detalles

Safe Harbor Statement

Safe Harbor Statement Safe Harbor Statement The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated into any contract. It is not a commitment

Más detalles

Enapsys. Nuevas Funcionalidades en SAP CRM 7 Enhancement Package 2

Enapsys. Nuevas Funcionalidades en SAP CRM 7 Enhancement Package 2 Enapsys Nuevas Funcionalidades en SAP CRM 7 Enhancement Package 2 AGENDA SAP CRM 7 Real Time Offer Management Interaction Center- BCM Webchannel Mobile Social Media RDS Quién es Enapsys? SAP CRM 7.0 Enhancement

Más detalles

Agustiniano Ciudad Salitre School Computer Science Support Guide - 2015 Second grade First term

Agustiniano Ciudad Salitre School Computer Science Support Guide - 2015 Second grade First term Agustiniano Ciudad Salitre School Computer Science Support Guide - 2015 Second grade First term UNIDAD TEMATICA: INTERFAZ DE WINDOWS LOGRO: Reconoce la interfaz de Windows para ubicar y acceder a los programas,

Más detalles

Casos de Uso de Big Data

Casos de Uso de Big Data Big Data España 2015 Casos de Uso de Big Data Wolfram Rozas 2 Octubre 2014 2014 International Business Machines Corporation Cambios en el Paradigma Analítico 2014 International Business Machines Corporation

Más detalles

ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA

ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA ANÁLISIS Y DESARROLLO DE UNA PLATAFORMA BIG DATA Autor: de la Cierva Perreau de Pinninck, Leticia Director: Sonia García, Mario Tenés Entidad Colaboradora: VASS RESUMEN DEL PROYECTO Tras la realización

Más detalles

Soluciones de Seguridad de IBM: Tendencias y hoja de ruta

Soluciones de Seguridad de IBM: Tendencias y hoja de ruta Soluciones de Seguridad de IBM: Tendencias y hoja de ruta Emmanuel Roeseler IBM Security Systems Sales Leader, SPGI Ziv Cohen Trusteer EMEA Leader Madrid, 20 Noviembre 2013 2013 IBM Corporation La tecnología

Más detalles

Human-Centered Approaches to Data Mining: Where does Culture meet Statistics?

Human-Centered Approaches to Data Mining: Where does Culture meet Statistics? Human-Centered Approaches to Data Mining: Where does Culture meet Statistics? Manuel Cebrián & Alejandro (Alex) Jaimes ICT 2008 Collective Intelligence Networking Nov. 26, 2008 Leading PROGRESS Outline

Más detalles

Servicios de Soporte HP

Servicios de Soporte HP Servicios de Soporte HP Consigue que la nube se mantenga a la altura de tus necesidades Teresa Peinador Desarrollo de Servicios HP Mission Critical 10 de Febrero de 2011 Qué esperamos de la nube? INNOVACIÓN

Más detalles

Nos adaptamos a sus necesidades We adapt ourselves to your needs

Nos adaptamos a sus necesidades We adapt ourselves to your needs Nos adaptamos a sus necesidades We adapt ourselves to your needs Welcome to Select Aviation The largest and most successful airline representation group in Spain, SELECT AVIATION (GSA) Airline Representatives

Más detalles

Cloud Infrastructure for SAP Madrid Center of Excellence

Cloud Infrastructure for SAP Madrid Center of Excellence Cloud Infrastructure for SAP Madrid Center of Excellence April 2010 Accenture y su logo son marcas registradas de Accenture. Traditional approach to SAP infrastructure Very high TCO in proprietary architectures:

Más detalles

Qlik para Ventas. Octubre 2014

Qlik para Ventas. Octubre 2014 Qlik para Ventas Octubre 2014 Los usuarios de Ventas realizan una serie de Preguntas y Respuestas Márgenes Cómo están los márgenes de los últimos 3 años abiertos por región? Análisis por Región y Categoría

Más detalles

Cambio de paradigma en BI. Christian Bogliotti PreSales - BI Architect cb@dataiq.com.ar

Cambio de paradigma en BI. Christian Bogliotti PreSales - BI Architect cb@dataiq.com.ar Cambio de paradigma en BI Christian Bogliotti PreSales - BI Architect cb@dataiq.com.ar Octubre 2015 Qlik es una plataforma para Business Discovery. Business Discovery es inteligencia de negocios definida

Más detalles

Contenido Digital de Marketing en plataformas ECM

Contenido Digital de Marketing en plataformas ECM IBM Software Solutions Enterprise Content Management Software Contenido Digital de Marketing en plataformas ECM Enterprise Content Management The purpose of business is to create and keep a customer --

Más detalles

GENERAL INFORMATION Project Description

GENERAL INFORMATION Project Description RESULTADOS! GENERAL INFORMATION Project Description The campaign "Adopt a car " had as its main objective to position Autoplaza, the main automotive selling point of Chile, as a new car sales location

Más detalles

Guide to Health Insurance Part II: How to access your benefits and services.

Guide to Health Insurance Part II: How to access your benefits and services. Guide to Health Insurance Part II: How to access your benefits and services. 1. I applied for health insurance, now what? Medi-Cal Applicants If you applied for Medi-Cal it will take up to 45 days to find

Más detalles

SEMARC 09. Ventajas de la Multicanalidad en Canales Electrónicos Caso Banco Hipotecario. Miguel Santos Founder & CEO. www.technisys.

SEMARC 09. Ventajas de la Multicanalidad en Canales Electrónicos Caso Banco Hipotecario. Miguel Santos Founder & CEO. www.technisys. SEMARC 09 Ventajas de la Multicanalidad en Canales Electrónicos Caso Banco Hipotecario Miguel Santos Founder & CEO 1 Agenda Integración de canales bancarios mediante SOA y Multicanalidad. Resultados en

Más detalles

Este proyecto tiene como finalidad la creación de una aplicación para la gestión y explotación de los teléfonos de los empleados de una gran compañía.

Este proyecto tiene como finalidad la creación de una aplicación para la gestión y explotación de los teléfonos de los empleados de una gran compañía. SISTEMA DE GESTIÓN DE MÓVILES Autor: Holgado Oca, Luis Miguel. Director: Mañueco, MªLuisa. Entidad Colaboradora: Eli & Lilly Company. RESUMEN DEL PROYECTO Este proyecto tiene como finalidad la creación

Más detalles

Data Driven Marketing en los Canales Digitales. David Cabrera Palomar

Data Driven Marketing en los Canales Digitales. David Cabrera Palomar Data Driven Marketing en los Canales Digitales David Cabrera Palomar Experian and the marks used herein are service marks or registered trademarks of Experian Information Solutions, Inc. Other product

Más detalles

Beneficios del Distribuidor:

Beneficios del Distribuidor: Cuentas de Boost Mobile Wallet Plus ofrecen a los clientes una tarjeta Prepagada Visa personalizada con acceso a cajeros automáticos combinado con la capacidad de cargar cheques para disponibilidad de

Más detalles

HERRAMIENTA PARA LA OPTIMIZACIÓN DEL PORFOLIO DE PRODUCTOS DE LAS REDES DE VENTAS DE UN LABORATORIO FARMACÉUTICO

HERRAMIENTA PARA LA OPTIMIZACIÓN DEL PORFOLIO DE PRODUCTOS DE LAS REDES DE VENTAS DE UN LABORATORIO FARMACÉUTICO HERRAMIENTA PARA LA OPTIMIZACIÓN DEL PORFOLIO DE PRODUCTOS DE LAS REDES DE VENTAS DE UN LABORATORIO FARMACÉUTICO Autor: Tárano Pastor, Ramón. Director: Moreno Alonso, Pablo. Director: Ruiz del Palacio,

Más detalles

Edgar Quiñones. HHRR: Common Sense Does Not Mean Business. Objective

Edgar Quiñones. HHRR: Common Sense Does Not Mean Business. Objective Edgar Quiñones HHRR: Common Sense Does Not Mean Business Objective Share experiences & insight gained in the last two decades in the management consulting business regarding why Common Sense Does Not Mean

Más detalles

APLICACIÓN WEB BASADA EN UNA SOLUCIÓN EN SAP R/3 PARA EL MANTENIMIENTO DE TRENES

APLICACIÓN WEB BASADA EN UNA SOLUCIÓN EN SAP R/3 PARA EL MANTENIMIENTO DE TRENES APLICACIÓN WEB BASADA EN UNA SOLUCIÓN EN SAP R/3 PARA EL MANTENIMIENTO DE TRENES Autor: Alberny, Marion. Director: Alcalde Lancharro, Eduardo. Entidad Colaboradora: CGI. RESUMEN DEL PROYECTO La mayoría

Más detalles

High acceptance short term loans Fast Payday Loans - CLICK HERE

High acceptance short term loans Fast Payday Loans - CLICK HERE High acceptance short term loans. Was to have with appealing dollars, tried the book of the best cash advance 10032 personal loan albany ga httpwww. trhyales. czpersonal-loanalbany-ga. High acceptance

Más detalles

SOLUCIONES DE TELEFONIA TELEPHONY SOLUTIONS

SOLUCIONES DE TELEFONIA TELEPHONY SOLUTIONS SOLUCIONES DE TELEFONIA TELEPHONY SOLUTIONS QUIEN ES TELONLINE? WHO IS TELONLINE? Es una compañía que ofrece soluciones llave en mano de telefonía, especializada en VoIP, Contact Centers y Comunicaciones

Más detalles

LA FIRMA THE FIRM QUIENES SOMOS ABOUT US

LA FIRMA THE FIRM QUIENES SOMOS ABOUT US LA FIRMA THE FIRM QUIENES SOMOS Somos una firma de abogados especialistas en derecho laboral, comercial y administrativo que entrega a sus clientes su conocimiento y experiencia de manera eficiente, oportuna

Más detalles

IBM Software Group. Software Expo 2005 INTRODUCCION A ITIL. Mayo 2005

IBM Software Group. Software Expo 2005 INTRODUCCION A ITIL. Mayo 2005 IBM Software Group Software Expo 2005 INTRODUCCION A ITIL Mayo 2005 ITIL Defined The Information Technology Infrastructure Library (ITIL) R is a framework of IT Best Practices defined in a series of books.

Más detalles

IRS DATA RETRIEVAL NOTIFICATION DEPENDENT STUDENT ESTIMATOR

IRS DATA RETRIEVAL NOTIFICATION DEPENDENT STUDENT ESTIMATOR IRS DATA RETRIEVAL NOTIFICATION DEPENDENT STUDENT ESTIMATOR Subject: Important Updates Needed for Your FAFSA Dear [Applicant], When you completed your 2012-2013 Free Application for Federal Student Aid

Más detalles

Your Clients Your Bussines The World Your Future The Solutions. Your Company Your Ideas. Uruguay. Your Proyects Your Needs. Su Empresa Sus Ideas

Your Clients Your Bussines The World Your Future The Solutions. Your Company Your Ideas. Uruguay. Your Proyects Your Needs. Su Empresa Sus Ideas Your Clients Your Bussines The World Your Future The Solutions Sus Clientes Sus Negocios El Mundo Su Futuro Las Soluciones Your Company Your Ideas Your Proyects Your Needs Su Empresa Sus Ideas Sus Proyectos

Más detalles

The IBM Software Story

The IBM Software Story The IBM Software Story Andrés Dagotto Gerente de Software para SSA Lima Marzo 22, 2011 Smarter Planner & Software Nuestro mundo se está volviendo más INSTRUMENTADO Sensores Nuevos Datos Nuestro mundo se

Más detalles

ARIS Solution for Governance, Risk & Compliance Management. Ensure Business Compliance

ARIS Solution for Governance, Risk & Compliance Management. Ensure Business Compliance ARIS Solution for Governance, Risk & Compliance Management Ensure Business Compliance El exito en la implementacion de GRC consiste en mantener el balance correcto 7 June 2012 Software AG - Get There Faster

Más detalles

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio Por qué ExecuTrain? ExecuTrain es un proveedor de entrenamiento corporativo a nivel internacional y líder mundial en la capacitación empresarial. Contamos con 22 años y más de 62 mil personas capacitadas

Más detalles

SCADA BASADO EN LABVIEW PARA EL LABORATORIO DE CONTROL DE ICAI

SCADA BASADO EN LABVIEW PARA EL LABORATORIO DE CONTROL DE ICAI SCADA BASADO EN LABVIEW PARA EL LABORATORIO DE CONTROL DE ICAI Autor: Otín Marcos, Ana. Directores: Rodríguez Pecharromán, Ramón. Rodríguez Mondéjar, José Antonio. Entidad Colaboradora: ICAI Universidad

Más detalles

logro de objetivos corporativos

logro de objetivos corporativos TI un área estratégica para el logro de objetivos corporativos Rol del CIO Cual es tu visión del CIO? Rol del CIO Top 10 Expectativas de un CIO: 1. Liderazgo 2. Aproveche la tecnología a para el mejoramiento

Más detalles

La importancia del ecommerce en la transformación e internacionalización de un grupo mayorista

La importancia del ecommerce en la transformación e internacionalización de un grupo mayorista La importancia del ecommerce en la transformación e internacionalización de un grupo mayorista Eduardo Prida IT Group Program Manager ADVEO Madrid, 20 noviembre 2013 PALACIO MUNICIPAL DE CONGRESOS 2013

Más detalles

SAP Cloud for Customer. Francisco Del Valle SAP Latin America & Caribbean Customer Engagement and Commerce Solution Expert

SAP Cloud for Customer. Francisco Del Valle SAP Latin America & Caribbean Customer Engagement and Commerce Solution Expert SAP Cloud for Customer Francisco Del Valle SAP Latin America & Caribbean Customer Engagement and Commerce Solution Expert CLOUD FOR SALES UN CLIENTE. UNA EXPERIENCIA. UNA EMPRESA ATRAER A LOS CLIENTES

Más detalles

HAVEn Big Data Platform by HP

HAVEn Big Data Platform by HP HAVEn Big Data Platform by HP BigData CyL 20 de Mayo de 2014 HAVEn Caso de uso: Marketing individual 2 HAVEn Big Data platform by HP HAVEn Hadoop/ HDFS Autonomy IDOL Vertica Enterprise Security n Apps

Más detalles

ESTUDIO, PLANIFICACIÓN Y GESTIÓN DE LA IMPLEMENTACIÓN DE UN SISTEMA BIG DATA PARA LA MONITORIZACIÓN EXTREMO A EXTREMO DE SERVICIOS DE CLIENTE

ESTUDIO, PLANIFICACIÓN Y GESTIÓN DE LA IMPLEMENTACIÓN DE UN SISTEMA BIG DATA PARA LA MONITORIZACIÓN EXTREMO A EXTREMO DE SERVICIOS DE CLIENTE ESTUDIO, PLANIFICACIÓN Y GESTIÓN DE LA IMPLEMENTACIÓN DE UN SISTEMA BIG DATA PARA LA MONITORIZACIÓN EXTREMO A EXTREMO DE SERVICIOS DE CLIENTE Autor: Giménez González, José Manuel. Director: Romero Orobio,

Más detalles

Y ahora Data Discovery. John Manning Javier Gamboa

Y ahora Data Discovery. John Manning Javier Gamboa Y ahora Data Discovery. John Manning Javier Gamboa 1 40 Años creando historia 2 40 Años creando historia Empleados Antigüedad nada habitual en nuestro sector Por qué? 3 40 Años creando historia Clientes

Más detalles

Instalación: Instalación de un agente en una máquina cliente y su registro en el sistema.

Instalación: Instalación de un agente en una máquina cliente y su registro en el sistema. HERRAMIENTA DE MONITORIZACIÓN DE SISTEMAS Autor: Sota Madorrán, Iñaki. Director: Igualada Moreno, Pablo. Entidad Colaboradora: Evotec Consulting, S.L. RESUMEN DEL PROYECTO El proyecto consiste en el diseño,

Más detalles

Jose Luis Camps. Noviembre 2011. 2011 IBM Corporation

Jose Luis Camps. Noviembre 2011. 2011 IBM Corporation Análisis de sentimiento en redes sociales Jose Luis Camps Noviembre 2011 2011 IBM Corporation Análisis de medios sociales. Respuesta a nuevas preguntas del consumidor Qué piensan los consumidores de la

Más detalles

Transformación digital de los servicios ciudadanos

Transformación digital de los servicios ciudadanos Transformación digital de los servicios ciudadanos Hacia una administración más personal 150 El numero de veces que consultamos nuestros móviles diariamente. 11B 11.000 millones de dispositivos en 2019

Más detalles

IBM MobileFirst Platform componentes clave para construir, ejecutar y gestionar las aplicaciones móviles

IBM MobileFirst Platform componentes clave para construir, ejecutar y gestionar las aplicaciones móviles IBM MobileFirst Platform componentes clave para construir, ejecutar y gestionar las aplicaciones móviles Bruno Braz Gonçalves Mobile App Platform Solutions 1 Junio 10 Simplificar

Más detalles

Alejandro Cerda ProChile New York

Alejandro Cerda ProChile New York Alejandro Cerda ProChile New York Introduction Encuentro de Negocios 2011 The way forward Big themes -the way forward Phase 4 Innovate Phase 3 Phase 2 Phase 1 V a l u e C h a i n Optimise Offshore Cost

Más detalles

Kuapay, Inc. Seminario Internacional Modernización de los medios de pago en Chile

Kuapay, Inc. Seminario Internacional Modernización de los medios de pago en Chile Kuapay, Inc. Seminario Internacional Modernización de los medios de pago en Chile Our value proposition Kuapay s motto and mission Convert electronic transactions into a commodity Easy Cheap!!! Accessible

Más detalles

Facilities and manufacturing

Facilities and manufacturing Facilities and manufacturing diseño y producción design and production Roomdimensions Ibérica,s.l (RDI) es una empresa experta en la fabricación de mobiliario técnico, diseño integral de soluciones arquitectónicas

Más detalles

SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN

SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN SISTEMA DE GESTIÓN Y ANÁLISIS DE PUBLICIDAD EN TELEVISIÓN Autor: Barral Bello, Alfredo Director: Alcalde Lancharro, Eduardo Entidad Colaboradora: Media Value S.L. RESUMEN DEL PROYECTO El presente proyecto

Más detalles

Big Data: Una Ventaja Competitiva. 2012 IBM Corporation

Big Data: Una Ventaja Competitiva. 2012 IBM Corporation Big Data: Una Ventaja Competitiva #IBMbigdata Data is the new Oil En su forma pura, el petróleo tiene poco valor. Una vez procesado y refinado, ayuda a mover el mundo. Big Data has arrived at Seton Health

Más detalles

Customer Experience Management

Customer Experience Management Customer Experience Management Aprovechando el valor de la información del usuario final Qué es Customer Experience Management CEM? Por qué Gestionar CEM? Cómo gestionar CEM? Por qué Nokia Siemens Networks?

Más detalles

Pervasive Business Intelligence i Suport a les decisions estratègiques

Pervasive Business Intelligence i Suport a les decisions estratègiques Jornada Business Intelligence: Converteix la informació en valor. Pervasive Business Intelligence i Suport a les decisions estratègiques Ferran Garcia ferran.garcia@oracle.com Oracle

Más detalles

manual de servicio nissan murano z51

manual de servicio nissan murano z51 manual de servicio nissan murano z51 Reference Manual To understand featuring to use and how to totally exploit manual de servicio nissan murano z51 to your great advantage, there are several sources of

Más detalles

Puede pagar facturas y gastos periódicos como el alquiler, el gas, la electricidad, el agua y el teléfono y también otros gastos del hogar.

Puede pagar facturas y gastos periódicos como el alquiler, el gas, la electricidad, el agua y el teléfono y también otros gastos del hogar. SPANISH Centrepay Qué es Centrepay? Centrepay es la manera sencilla de pagar sus facturas y gastos. Centrepay es un servicio de pago de facturas voluntario y gratuito para clientes de Centrelink. Utilice

Más detalles

ETS APPs 26.10.2012 MATELEC 2012. Nuevas Funciones para ETS. Madrid. Casto Cañavate KNX Association International

ETS APPs 26.10.2012 MATELEC 2012. Nuevas Funciones para ETS. Madrid. Casto Cañavate KNX Association International ETS APPs Nuevas Funciones para ETS 26.10.2012 MATELEC 2012 Madrid Casto Cañavate KNX Association International KNX Association International Page No. 2 Introducción Diversidad de Proyectos Viviendas Oficinas

Más detalles

Karina Ocaña Izquierdo

Karina Ocaña Izquierdo Estudié Ingeniería en Sistemas Computacionales (1997) y una Maestría en Ingeniería de Cómputo con especialidad en Sistemas Digitales (2000), ambas en el Instituto Politécnico Nacional (México). En el 2003,

Más detalles

SAFETY ROAD SHOW 2015 Paul Teboul Co Chairman HST México

SAFETY ROAD SHOW 2015 Paul Teboul Co Chairman HST México SAFETY ROAD SHOW 2015 Paul Teboul Co Chairman HST México How did started the Safety Road Show? Airbus Helicopters and others manufacturers did invest since a long time in improving Aviation Safety. In

Más detalles

EMC Information Intelligence Group Accelerating Your Business Processes

EMC Information Intelligence Group Accelerating Your Business Processes EMC Information Intelligence Group Accelerating Your Business Processes Agustín Gómez IIG Sales 1 Agenda EMC Hoy EMC en Servicios Financeros Casos de Ejemplo 2 EMC de un vistazo Quienes somos: EMC es la

Más detalles

Transformación Digital: Retos y oportunidades para la industria financiera

Transformación Digital: Retos y oportunidades para la industria financiera Transformación Digital: Retos y oportunidades para la industria financiera Transformación Digital: Retos y oportunidades para la industria financiera Transformación Digital > Un fenómeno sin fronteras

Más detalles

Optimice la performance de su cadena de suministro de manera segura y en cumplimiento de regulaciones. MarcioAB @br.ibm.com

Optimice la performance de su cadena de suministro de manera segura y en cumplimiento de regulaciones. MarcioAB @br.ibm.com Optimice la performance de su cadena de suministro de manera segura y en cumplimiento de regulaciones MarcioAB @br.ibm.com 1 Iniciativa para mejorar la performance empresarial en su ecosistema gerenciando

Más detalles

HACIENDO QUE TUS DATOS TRABAJEN PARA TI

HACIENDO QUE TUS DATOS TRABAJEN PARA TI HACIENDO QUE TUS DATOS TRABAJEN PARA TI ENRIQUE VALERIO gerente de canales y alianzas PROTEGER ACCEDER CUMPLIR COMPARTIR CONVERSACIONES SOBRE DATOS HAN CAMBIADO Las Fuerza de Nexo Móvil, Nube, Social e

Más detalles

IBM Rational for Power i. The business-driven development lifecycle

IBM Rational for Power i. The business-driven development lifecycle IBM Rational for Power i The business-driven development lifecycle Agenda Business Driven Development Rational Development Lifecycle DEMO 2 The business-driven development lifecycle Prioritize Plan Manage

Más detalles

Análisis de los Medios Sociales

Análisis de los Medios Sociales Análisis de los Medios Sociales Transforme sus relaciones con los ciudadanos Juan García Erviti Technical Sales Manager Business Analytics La Revolución de las Redes Sociales Click for YouTube video IBM

Más detalles

ÍNDICE. Introducción... Capítulo 1. Conceptos de Big Data... 1

ÍNDICE. Introducción... Capítulo 1. Conceptos de Big Data... 1 ÍNDICE Introducción... XIII Capítulo 1. Conceptos de Big Data... 1 Definición, necesidad y características de Big Data... 1 Aplicaciones típicas de Big Data... 4 Patrones de detección del fraude... 4 Patrones

Más detalles

SOFTWARE PARA LA GESTIÓN INFORMÁTICA DE UNA CLÍNICA DENTAL

SOFTWARE PARA LA GESTIÓN INFORMÁTICA DE UNA CLÍNICA DENTAL SOFTWARE PARA LA GESTIÓN INFORMÁTICA DE UNA CLÍNICA DENTAL Autora: Laura Martín García Director: Alberto Ciudad Sánchez RESUMEN El objetivo de este proyecto es realizar el análisis, diseño y desarrollo

Más detalles

La identidad en banca Gestión de Identidad en la banca on-line

La identidad en banca Gestión de Identidad en la banca on-line La identidad en banca Gestión de Identidad en la banca on-line Alejandro García Nieto, CISA, CISM, PCI-DSS QSA Responsable de Servicios de Seguridad IBM Introducción 2 Qué nos dicen los analistas Blissful

Más detalles

Creating your Single Sign-On Account for the PowerSchool Parent Portal

Creating your Single Sign-On Account for the PowerSchool Parent Portal Creating your Single Sign-On Account for the PowerSchool Parent Portal Welcome to the Parent Single Sign-On. What does that mean? Parent Single Sign-On offers a number of benefits, including access to

Más detalles

Cómo competir utilizando Big Data y Analytics

Cómo competir utilizando Big Data y Analytics Cómo competir utilizando Big Data y Analytics Guillermo Girón R. Business Information Regional Consultant ggiron@gbm.net Santo Domingo, Septiembre 2014 Sobrecarga de Información Pero a falta de Insight

Más detalles

Your response will be used by Facebook to improve your experience. You can't edit the details of this audience because it was created by someone else and shared with you. La respuesta será usada por Facebook

Más detalles

Accenture Global Awareness Tracking Principales cuestiones de negocios

Accenture Global Awareness Tracking Principales cuestiones de negocios Alcance alta performance a través de su capital humano Accenture Global Awareness Tracking Principales cuestiones de negocios Modificar la cultura de la organización y las actitudes de los empleados Mejorar

Más detalles

Cómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP

Cómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP Cómo comprar en la tienda en línea de UDP y cómo inscribirse a los módulos UDP Sistema de registro y pago Este sistema está dividido en dos etapas diferentes*. Por favor, haga clic en la liga de la etapa

Más detalles

Self-Test Log Book. FOR RECORDING OF: Blood Glucose Test Results Insulin and Medication Doses Notes

Self-Test Log Book. FOR RECORDING OF: Blood Glucose Test Results Insulin and Medication Doses Notes Self-Test Log Book FOR RECORDING OF: Blood Glucose Test Results Insulin and Medication Doses Notes When you see the Prestige Smart System brand identification on blood glucose monitors, test strips, blood

Más detalles

79% 48% Los CMOs no se consideran preparados para el volúmen de complejidad al que se enfrentarán. En los próximos 5 años. Espera alta complejidad

79% 48% Los CMOs no se consideran preparados para el volúmen de complejidad al que se enfrentarán. En los próximos 5 años. Espera alta complejidad Marcelo Cabane, Director @marcelo412 Industry Solutions Division Latin America, Software Group Smarter Commerce Construyendo un negocio centrado en el cliente Nuevos Desafíos Comerciales Los CMOs no se

Más detalles

Banca Perú. Beneficios obtenidos

Banca Perú. Beneficios obtenidos Qué es... Alkimia es un grupo de profesionales enfocados al desarrollo de proyectos orientados a procesos de negocio. Algunos de ellos cuentan con más de 15 años de experiencia en temas relacionados con

Más detalles

ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX

ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX ADAPTACIÓN DE REAL TIME WORKSHOP AL SISTEMA OPERATIVO LINUX Autor: Tomás Murillo, Fernando. Director: Muñoz Frías, José Daniel. Coordinador: Contreras Bárcena, David Entidad Colaboradora: ICAI Universidad

Más detalles

The 10 Building Blocks of Primary Care

The 10 Building Blocks of Primary Care The 10 Building Blocks of Primary Care My Action Plan Background and Description The Action Plan is a tool used to engage patients in behavior-change discussion with a clinician or health coach. Using

Más detalles

Centro Andaluz de Innovación y Tecnologías de la Información y las Comunicaciones - CITIC

Centro Andaluz de Innovación y Tecnologías de la Información y las Comunicaciones - CITIC Centro Andaluz de Innovación y Tecnologías de la Información y las Comunicaciones - CITIC (Andalusian Centre of Innovation and Information and Communication technologies- CITIC) FP7-ENERGY: Oportunidades

Más detalles

Aplicaciones de la movilidad en un entorno municipal. Lluís Planas Hernández Desarrollo de Negocio

Aplicaciones de la movilidad en un entorno municipal. Lluís Planas Hernández Desarrollo de Negocio Aplicaciones de la movilidad en un Hernández Desarrollo de Negocio Índice - El reto de la movilidad en las ciudades - Soluciones Tecnológicas -Solución Wireless Mesh - Aplicaciones - Casos Prácticos -

Más detalles

Integrando Microsoft Dynamics Data para Planning, Analysis y Reporting in Office PerformancePoint Server 2007

Integrando Microsoft Dynamics Data para Planning, Analysis y Reporting in Office PerformancePoint Server 2007 Integrando Microsoft Dynamics Data para Planning, Analysis y Reporting in Office PerformancePoint Server 2007 Oscar Rosas Gallardo Senior Solutions Architect, Business Intelligence, Europe Avanade Europe

Más detalles

Marketing interactivo: maximizar su inversión y estrategia de marketing. José Yáñez

Marketing interactivo: maximizar su inversión y estrategia de marketing. José Yáñez Marketing interactivo: maximizar su inversión y estrategia de marketing de José Yáñez Enterprise Marketing clientes Management Bringing science to the art of digital marketing 2 Es la era del consumidor

Más detalles

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio

Por qué ExecuTrain? Por qué ExecuTrain? Modalidad de servicio Por qué ExecuTrain? ExecuTrain es un proveedor de entrenamiento corporativo a nivel internacional y líder mundial en la capacitación empresarial. Contamos con 22 años y más de 62 mil personas capacitadas

Más detalles

Chattanooga Motors - Solicitud de Credito

Chattanooga Motors - Solicitud de Credito Chattanooga Motors - Solicitud de Credito Completa o llena la solicitud y regresala en persona o por fax. sotros mantenemos tus datos en confidencialidad. Completar una aplicacion para el comprador y otra

Más detalles

Entrevista: el medio ambiente. A la caza de vocabulario: come se dice en español?

Entrevista: el medio ambiente. A la caza de vocabulario: come se dice en español? A la caza de vocabulario: come se dice en español? Entrevista: el medio ambiente 1. There are a lot of factories 2. The destruction of the ozone layer 3. In our city there is a lot of rubbish 4. Endangered

Más detalles

Steps to Understand Your Child s Behavior. Customizing the Flyer

Steps to Understand Your Child s Behavior. Customizing the Flyer Steps to Understand Your Child s Behavior Customizing the Flyer Hello! Here is the PDF Form Template for use in advertising Steps to Understanding Your Child s Behavior (HDS Behavior Level 1B). Because

Más detalles

Sistema de Control Domótico

Sistema de Control Domótico UNIVERSIDAD PONTIFICIA COMILLAS ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA (ICAI) INGENIERO EN ELECTRÓNICA Y AUTOMATICA PROYECTO FIN DE CARRERA Sistema de Control Domótico a través del bus USB Directores:

Más detalles

DISPOSITIVO DE CONTROL PARA REDES DE DISTRIBUCIÓN ELÉCTRICA RESUMEN DEL PROYECTO

DISPOSITIVO DE CONTROL PARA REDES DE DISTRIBUCIÓN ELÉCTRICA RESUMEN DEL PROYECTO I DISPOSITIVO DE CONTROL PARA REDES DE DISTRIBUCIÓN ELÉCTRICA Autor: Juárez Montojo, Javier. Director: Rodríguez Mondéjar, José Antonio. Entidad Colaboradora: ICAI-Universidad Pontificia Comillas RESUMEN

Más detalles