Del Big Data a las Big Decisions:

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Del Big Data a las Big Decisions:"

Sebastián Gil Parra
hace 8 años
Vistas:

1 Del Big Data a las Big Decisions: Una oportunidad de añadir valor en la era digital Josep Valor!! CIO Club 2014 Barcelona, 8 de julio de blog: valor@iese.edu

! CIO Club 2014 Barcelona, 8 de julio de 2014

3 La primera disrupción: la fábrica de hielo Prof. Josep Valor, blog: 3

4 La segunda disrupción: la fábrica doméstica de hielo Prof. Josep Valor, blog: 4

5 Qué tienen estas compañías en común? Prof. Josep Valor, blog: 5

6 Que en la última década han sido sustituidas en el S&P 500 por estas otras! Prof. Josep Valor, blog: 6

7 Drivers de la Era Digital: Tercera Plataforma Movilidad La Nube...Tenemos una estrategia en móvil, quizá para la nube, pero redes sociales, big data?!!.. Big Data Redes Sociales Prof. Josep Valor, blog: 7

redes sociales, big data?!!.. Big Data Redes Sociales Prof.

8 Fuentes del Big Data Estructurados! Transacciones ERP/CRM/SCM! Transacciones de acciones! Clickstream/Page views/web transactions! Web links/blog references! No estructurados! s! Twitter feeds! Documentos de texto! Facebook posts! Sensores! Mobile phone/gps/location data! RFID, Bar Code Scanner Data! Real-time machinery diagnostics/engines/equipment! Etc... Prof. Josep Valor, blog: 8

Documentos de texto! Facebook posts! Sensores! Mobile phone/gps/location data! RFID, Bar Code Scanner Data!

9 Una fuente enorme de datos es el móvil... Red de Proximidad Red de Llamadas Red de Localización Red de Amigos Prof. Josep Valor, blog: 9

11 Big Data son datos que exceden la capacidad de proceso de los sistemas convencionales de bases de datos.! Los datos son demasiados, se mueven demasiado rápido, o no encajan en las rigideces de las bases de datos tradicionales.! Para obtener valor de ellos, hemos de encontrar una manera alternativa de procesarlos.!! Edd Dumbill! Chairman O'Reilly Strata Conference"

! Los datos son demasiados, se mueven demasiado rápido, o no encajan en las rigideces de

12 Wal-Mart Stores, Inc. 1 millón de transacciones de clientes cada hora! Alimentando bases de datos con más de 2.5 Petabytes de capacidad! 167 veces los libros de la Library of Congress Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 12

13 Prof. Josep Valor, blog: 13

14 Las 3 V s del Big Data Volumen! Necesidades de Almacenamiento! Análisis masivo! Variedad! Transaccional! Social Media! Móvil! Velocidad! Generación! Proceso Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 14

Transaccional! Social Media! Móvil! Velocidad! Generación!

15 Cómo obtenemos la cuarta V? Prof. Josep Valor, blog: 15

17 transformando Gigabytes en decisiones...

18 Prof. Josep Valor, blog: 18

19 ea the thin scoring buffer around area. We the divided 3-point the arc; scoring we call area this into area a the grid sc 1 ft 2 consisting (Figure 1). of To 1,284 quantify unique shooting range, cells, we applied each 1 ft spatial 2 (Figu e grid analyses and within Tiros to evaluate each en la shooting NBA : cell. performance across the grid and Fuente: Kirk Goldsberry, CourtVision: New Visual and Spatial Analytics for the NBA - MIT Sloan Sports Analytics Conference 2012 Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 19

of To 1,284 quantify unique shooting range, cells, we applied each 1 ft spatial 2 (Figu e grid analyses and within Tiros to evaluate each en la

20 7. Andre Igudola % 8. Ray Allen % 8. Kevin Durant % Tiros en la NBA : Posiciones preferidas de 4 jugadores 10. Danny Granger % Table 1: Top 10 players in Spread metric 7. Vince Carter % 8. Paul Pierce % 8. Rudy Gay % 10. Danny Granger % Table 2: Top 10 players in Range metric Steve Nash Ray Allen Dirk Nowitski Kobe Bryant Figure 3: The shooting ranges of Steve Nash, Ray Allen, Dirk Nowitzki, and Kobe Bryant. These four players had the highest Range values, but these graphics reveal that they achieve them in much different ways. For example, when compared to the three others, Dirk Nowitzki shoots Prof. relatively Josep few Valor, 3-point valor@iese.edu shots and performs blog: much better in the mid-range areas on the :@josepvalor left side of the court, while Ray Allen excels in the corners of the court where Steve Nash rarely shoots. Fuente: Kirk Goldsberry, CourtVision: New Visual and Spatial Analytics for the NBA - MIT Sloan Sports Analytics Conference

8% Table 2: Top 10 players in Range metric Steve Nash Ray Allen Dirk Nowitski Kobe Bryant Figure 3: The shooting ranges of Steve Nash, Ray Allen, Dirk Nowitzki, and Kobe Bryant.

21 La tecnología ha evolucionado a análisis en tiempo real Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 21

22 Permitiendo estadísticas de nuevo diseño Prof. Josep Valor, blog: 22

26 Josep Valor,

27 Film-related searches and box office revenue Prof. Josep Valor, blog: 27

28 Las personas somos una fuente primordial de datos

29 Comportamiento de las tribus urbanas Body Level One Body Level Two Body Level Three Body Level Four Body Level Five Fuente: Sense Networks & Prof. Alex Petland Prof. Josep Valor, blog: 29

30 Fuente: Sense Networks & Prof. Alex Petland

31 Smartsteps Prof. Josep Valor, blog: 31

32 El Big Data llega a la vida real de los átomos Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 32

33 Prof. Josep Valor, blog: 33

36 Qué amigos tenemos a diferentes edades? Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 36

37 De qué hablamos a diferentes edades? Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 37

40 Rolls Royce tiene más de sensores en sus nuevos motores: puede vender servicios por tiempo operativo Prof. Josep Valor, blog: 40

41 Estamos cerca de poder hacer este tipo de máquinas? Prof. Josep Valor, blog: 41

43 Qué tardaremos en que nos atienda un robot? Prof. Josep Valor, blog: 43

45 The Internet of You Prof. Josep Valor, blog: 45

46 Personal Data Store Prof. Josep Valor, blog: 46

47 Prof. Josep Valor, blog: 47

48 La representación gráfica de datos básicos proporciona más información Qué haremos? Estudiar la relación entre los Sistemas de Información y la Estrategia de la Empresa Qué no haremos? Predecir el futuro Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 48

50 Personal data is the new oil of the internet and the new currency of the digital world. Meglena Kuneva European Consumer Commissioner Data is now the world s new natural resource. Virginia Rometty IBM President & CEO

51 Fraude y Robo! Invasión de Privacidad! Ciber-Terrorismo & Vandalismo! Discriminación de precio! Denegación de seguro médico! Robo de clientes o ideas! Obama s Privacy Bill of Rights Tenets! UE con legislación más restrictiva (multas de hasta 1M o 2% del beneficio)

52 Hemos estado monitorizando sus correos, y hemos llegado a la conclusión de que no está haciendo nada ilegal. No obstante, también hemos visto que usted es un incompetente.

53 Hay problemas de privacidad de todo tipo Mi padre dice nos espías online No es tu padre Prof. Josep Valor, blog: 53

54 Creación de un Mercado de Datos Fuente: World Economic Forum, febrero 2013 Prof. Josep Valor, blog: 54

55 The end of the average (El fin de las medias) Prof. Josep Valor, blog: 55

58 To err is human,! but to really foul things up! you need a computer.!! Paul Ehrlich

59 1. DESCRIPTIVO 2. PREDICTIVO 3. PRESCRIPTIVO

60 Hal Varian Text Chief Economist at Google El trabajo más sexy en los próximos diez años será el de los estadísticos La habilidad de trabajar con datos ser capaz de entenderlos, procesarlos, visualizarlos, extraer valor de los mismos, y comunicarlo, será una de las habilidades más importantes del siglo XXI.! How the Web Challenges Managers" McKinsey Quarterly

61 Ciudado con la correlación versus la causalidad Las moscas se vuelven sordas al arrancarles las alas

63 Big Data vs. HiPPOs!! Highest Paid Person s Opinion

64 Escépticos informados Fuente: S. Shah, A. Horne and J. Capellá, HBR, abril 2012 Prof. Josep Valor, blog: 64

65 Prioridades de los CIO en 2013 Source: Gartner Research, 2013 Prof. Josep Valor, blog: 65

66 Top 10 IDC Predictions For CIOs, January 2014 (3rd platform: mobile, cloud, big data, social - 1st: mainframes, 2nd: PC/Client-server) 1. In two years, over 70% of CIOs will change their primary role from directly managing IT to become an innovation partner;! 2. Before 2017, only 40% of CIOs will rise to the challenge from CxOs to partner in strategic planning;! 3. 70% of CIOs will increase enterprise exposure to risk;! 4. Enterprise business mobility will require 60% of CIOs by 2017 to support an agile architecture;! 5. The demographic shift to young and mobile customers will require 80% of CIOs in consumer-facing businesses to integrate IT with public social networks by 2015;! 6. By 2015, 3rd Platform requirements will drive 60% of CIOs to use enterprise architecture (EA) as a required IT tool, but only 40% will deploy EA effectively;! 7. By 2015, 60% of CIO security budgets for increasingly vulnerable legacy systems will be 30-40% too small to fund enterprise threat assessments;! 8. By 2017, the transfer of 3rd Platform investments from IT to line-of-business budgets will require 60% of CIOs to reduce the cost of infrastructure and operations;! 9. By 2016, 80% of the IT budget will be based on providing service integration;! 10.By 2018, adoption of 3rd Platform IT technologies will redefine 90% of IT role Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 66

67 El Chief Digital Officer Digital será un tema del Comité de Dirección y del Consejo Temas Digitales convergerán bajo un único líder: móvil, tabletas, kioscos, tiendas digitales, e-commerce, digital marketing, etc. Los presupuestos Digitales aumentarán y la innovación estará en la cima de la agenda Las nuevas habilidades digitales serán cada vez más difíciles de encontrar en el mercado Lo Digital cambiará ( diruptirá?) lo físico (p.e. el papel de los wearables?) Source: Forrester Research, 2014 Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 67

68 El Chief Digital Officer Si hay un CDO en la empresa, de qué es responsable? Source: Forrester Research, 2014 Prof. Josep Valor, blog: 68

69 Y estad preparados a luchar por vuestras ideas! Efecto Semmelweis! Metáfora que describe la tendencia a rechazar nuevos datos o conocimientos si contradicen las normas establecidas, creencias o paradigmas! Prof. Josep Valor, valor@iese.edu blog: :@josepvalor 69

70 Man is the lowest cost, 150 pound, nonlinear, all-purpose! computer system which can be mass produced by unskilled labor.!! A 1965 NASA, man-in-space report!

71 Gracias! blog:!

Documentos relacionados

Del Big Data a las Big Decisions:

Del Big Data a las Big Decisions: Una forma de añadir valor en la era digital Josep Valor Liderando el cambio digital de tu compañía IESE Barcelona, 4 de marzo de 2014 email: blog: jvalor@iese.edu blog.iese.edu/faceit