Mejorando la toma de decisiones con innovación en tiempo real

Transcripción

1 Mejorando la toma de decisiones con innovación en tiempo real Mauricio Gordillo PSG Specialist for Colombia Analytics / D&T SAP LAC - North Septiembre 5, 2014

3 Big Data Hoy GE engines in 2014 These engines generate 1TB of data per aircraft per day Jeff Immelt CEO GE Keynote for Minds + Machines 2012 talking about the new LEAP engine

4 Imagínese respondiendo en tiempo real a los cambios en la demanda para tener más capacidad de respuesta al mercado empoderando a los empleados con información de negocio en tiempo real para generar mayor compromiso conectando los dispositivos en tiempo real para mejorar el servicio al cliente entregando ofertas personalizadas en tiempo real para mejorar la experiencia con el cliente 2014 SAP AG or an SAP affiliate company. All rights reserved. 4

5 La realidad del Internet de las cosas 1 billón Usuarios de Facebook 2x de datos Cada 18 meses 5B de personas Llegando a la clase media 4B de vistas de videos en YouTube al día 15 billones de dispositivos conectados

6 Qué Nuevas señales se podría estar perdiendo? 10% Uso de analíticos hoy 75% Necesidad de analíticos para 2020

7 Cómo convertir estas nuevas señales en valor para el negocio? :-) Sentimiento de marca Mantenimiento predictivo Optimización de red Amenazas internas Equipos inteligentes Seguimiento de activos Atención personalizada Recomendación de productos Mitigación de riesgos en tiempo real Vending inteligente Propensión al abandono Demanda en tiempo real / Pronóstico de compras Vista de cliente de 360 O Detección de fraudes Ciudades inteligentes

11 LOS PILOTOS PASAN A SUS RIVALES PROPULSADOS POR BIG DATA SAP MAKES BIG DATA REAL

13 BIG DATA DÁ A LOS COMPRADORES CONSEJOS DE MODA QUE SE AJUSTAN A SU ESTILO SAP MAKES BIG DATA REAL

19 Se necesita reducir el tiempo para tomar una decisión Valor de inteligencia Ocurrencia de un evento Reducción de valor Valor incremental Latencia de datos Latencia de análisis Latencia de decisión Datos integrados y listos para el análisis Información entregada Acción tomada Tiempo para la acción Tiempo para la acción Reducir tiempo para la acción Tiempo Fuente: Dr. Richard Hackathorn. Bolder Technologies Inc SAP SE or an SAP affiliate company. All rights reserved. Customer 19

20 Está aprovechando la oportunidad? Movilidad Transacciones Cosas Cosas Mensajes instantáneos Demanda Datos de CRM Demanda Transacciones Mensajes instantáneos Cosas Datos de CRM Oportunidades Cliente Cliente Cosas Big Data Orden de venta Cliente Inventario Movilidad Oportunidades Inventario Planeación Big Data Big Data Orden de venta Planeación

21 Pero hay retos en Big data Acción Acción 2 Acción 3 Muchos datos Latencia Decisiones difíciles Audiencia correcta Arquitecturas complejas que sobrepasan las capacidades de las BD actuales Largas demoras entre la transacción, el análisis y la acción Las consultas complejas pueden tomar horas Reto al identificar la información de valor dentro de las montañas de datos Los usuarios tienen dificutad en acceder a la información 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 21

22 Capacidades para procesar y analizar información Profundo Preguntas complejas e Interactivas sobre data granualar Amplio Big data, múltiples tipos de datos Alta Velocidad Rapidos tiempos de respuesta, interactividad Tiempo Real Datos recientes, preferiblemente en tiempo real. Simple Sin preparacion de datos, sin preagregacion pre fabricacion de los mismos 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 22

23 SAP replantea el futuro de su negocio Applicaciones Movilidad Cloud Base de datos y tecnología Soluciones analíticas Powered by SAP HANA Habilitando la estrategia en tiempo real Entregando nuevas experiencias Movilizando los negocios 2014 SAP AG or an SAP affiliate company. All rights reserved. 23

29 Bases de datos por filas versus columnares Mi sistema de archivos Análisis más rápido Mejor procesamiento paralelo Sistema de archivo de mi esposa Basado en filas Basado en columnas 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 29

30 Bases de datos tradicionales 10 millones de clientes Cálculo Promedio: $1,048,300 Cuál es la venta promedio? Nombre Ciudad Categoría Ventas Luis Barrera Bogotá A $ 1,220,000 Jorge Gonzalez Bogotá B $ 580,000 Juan Guzman Bogotá A $ 1,502,000 Luisa Torres Medellín A $ 891,200 Recorrido de 10M de filas Transferencia de 10M de registros 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 30

31 SAP HANA 10 millones de clientes Compresión 10 a 1 Cálculo Promedio: $ Cuál es la venta promedio? Nombre Ciudad Categoría Ventas Luis Barrera Bogotá A $ 1,220,000 Jorge Gonzalez Bogotá B $ 580,000 Juan Guzman Bogotá A $ 1,502,000 Luisa Torres Medellín A $ 891,200 Cómo se representa la información? Vectores Almacenamiento Columnar Nombre Ciudad Categoría Ventas Luis Barrera Bogotá A $ 1,220,000 Jorge Gonzalez Medellín B $ 580,000 Juan Guzman $ 1,502,000 Luisa Torres $ 891,200 In-memory 3,600 veces más rápido 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 31

32 Excelentes resultados Tiempos de respuesta de Consultas Query Query Query Query Run-Time (seconds) Traditional DB HANA Compresión de Datos con HANA Traditional DB 41.9 HANA SAP SE or an SAP affiliate company. All rights Data reserved. Volume (GB) Customer 32

33 Big Data en acción 18 horas Corre 8,100x más rápido 2,000 tiendas 2 billones de registros 2.8 segundos 55 millones de dimensiones 8 segundos Antes de SAP HANA Con SAP HANA 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 33

35 Estrategia Big data SAP Acción Acción 2 Acción 3 Muchos datos Latencia Decisiones difíciles Audiencia correcta 12 Petabytes Tiempo Real Análisis Predictivo Movilidad Plataforma In-memory 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 35

36 SAP Business Suite powered by SAP HANA

37 Una historia de innovaciones en tiempo real De SAP R/1 a SAP HANA Mobile NetWeaver SAP HANA R/3 client/server mysap.com Cloud Analytics Industry Solutions R/2 mainframe Business Suite R/ / Las empresas se adaptan a la tecnología El software se adapta a la tecnología El software se centra alrededor de las personas 2014 SAP SAP AG. SE All or rights an SAP reserved. affiliate company. All rights reserved. Customer 37 37

38 Limitaciones del negocio y de TI Complejidad y costo de TI Innovación limitada Latencia y datos desactualizados >20% >40% 50% Es el mayor inconveniente de TI hoy No se puede usar datos predictivos, simulaciones o en tiempo real Los movimientos de datos toman mínimo más de 2 días Fuente: Blending Transactions and Analytics in a Single In-Memory Platform: Key to the Real-Time Enterprise, IDC, February SAP SAP AG. SE All or rights an SAP reserved. affiliate company. All rights reserved. Customer 38 38

39 Si Usted no tiene buenas respuestas a estas preguntas probablemente esté haciendo las cosas de la manera difícil Los usuarios de negocios siempre tienen información al día y a tiempo? Los usuarios tienen acceso a reportes/kpis actualizado que puedan cambiar rápidamente? Tiene procesos que requieren re-trabajo por la latencia de los datos? Cuáles transacciones o procesos batch se ejecutan varias veces al día? Puede responder con flexibilidad a los cambios en el negocio? Puede generar escenarios predictivos o simulaciones? Puede manejar el costo y la complejidad de combinar Big data con datos del ERP o CRM? 2014 SAP SAP AG. SE All or rights an SAP reserved. affiliate company. All rights reserved. Customer 39 39

40 Qué diferencia hace una plataforma de innovación? Batch Replicación Datos estructurados Filas Datos estructurados y no estructurados Columnar Procesamiento paralelo Tiempo real TI Agregados OLTP Datos In-memory Procesador Sobre la marcha Disco OLAP OLAP/OLTP juntos Cero latencia Decisiones basadas en sentimientos Decisiones basadas en datos Batch De los datos a la acción Tedioso Análisis separados de la ejecución Sensitivo NEGOCIO Instantáneo Búsqueda limitada Simulaciones Datos limitados Predictivo Entendimiento Navegación y búsqueda contextual Solo históricos 2014 SAP SAP AG. SE All or rights an SAP reserved. affiliate company. All rights reserved. Customer 40 40

41 SAP Business Suite powered by SAP HANA Reinventando la Suite de Aplicaciones Base para la innovación Simplicidad para TI Experiencia personalizada Nuevas aplicaciones Nuevos procesos de negocio Nuevos modelos de negocio OLTP & OLAP juntos Modelo de despliegue híbrido Integración Experiencia personalizada por rol De los datos a la acción Todos los dispositivos 2014 SAP SAP AG. SE All or rights an SAP reserved. affiliate company. All rights reserved. Customer 41 41

42 SAP NetWeaver BW powered by SAP HANA

43 Adopción de SAP NetWeaver BW Más de 16,000 sistemas productivos Más de 12,000 clientes Aprox. 200 nuevas instalaciones por mes 16,000+ Producto estable, gran base instalada, crecimiento constante 2014 SAP AG or an SAP affiliate company. All rights reserved. 43

44 Analíticos sobre HANA Motor de cálculos Resultados de la consulta Consulta Agregados Índices Bodega de datos SAP HANA ETL Operational Data Store Copy Datos 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 44

45 SAP NetWeaver BW Bodega de datos empresarial In-memory SAP NetWeaver BW Modelamiento de datos DBMS Motor analítico / planeación Gestión de datos Base de datos relacional Almacenam. de datos SAP NetWeaver BW Modelamiento de datos HANA Motor analítico / planeación Gestión de datos Almacenam. de datos Eliminar base de datos relacional de BW Migración de S.O. / BD Cálculos y planeación In-memory 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 45

46 Evitando los cuellos de botella Enfoque clásico Cálculos Capa de aplicaciones Capa de base de datos Cálculos Movimiento de cálculos a la base de datos Solamente transferencia de resultados Enfoque futuro 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 46

47 Analíticos Predictivos

48 OPERACIONES l RRHH l FINANZAS TI VENTAS l MARKETING Competir en los demandantes mercados actuales requiere de ir más allá del qué pasó MANUFACTURA l RETAIL l SALUD l BANCA l SERVICIOS PUBLICOS l TELCO GOBIERNO SERVICIOS FINANCIEROS Qué pasó? Qué está pasando? Qué pasará? Cómo y por qué pasó? Cuál es el riesgo que pase / no pase? Cómo prevengo / aseguro que vuelva a pasar? Tom Davenport International Institute for Analytics 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 48

49 Ventaja Competitiva Extienda sus capacidades analíticas donde quiera estar Sentir y Responder Predecir y Actuar Optimización Datos Crudos Datos Limpios Reportes Estándar Reportes Ad Hoc y OLAP Analítivos Predictivos Genéricos Modelado Predictivo Por qué pasó? Qué pasará? Qué es lo mejor que podría pasar? Qué pasó? Madurez Analítica La clave es habilitar los datos para llevar la toma de decisiones de Sentir y Responder a Predecir y Actuar 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 49

50 Especialización Hoy, los analíticos predictivos son una isla ETL LOB Brecha PM PA DM ETL Reportes Exploración Datos Limpios EIM Datos Crudos Análisis BI Tableros Sofisticación / Grupo de Aptitudes Hay una desconexión entre BI y el mundo de los analíticos avanzados 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 50

51 Especialización SAP une el mundo de BI con el predictivo Predicción en BI PM Interoperabilidad entre BI y Predicción PA DM Datos Limpios EIM Datos Crudos Reportes Análisis BI Exploración BI Tableros Sofisticación / Grupo de Aptitudes 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 51

52 Gestión de datos maestros Calidad de datos Gestión de metadatos Seguridad, administración y monitoreo Cobertura procesos de negocio y tecnología desde SAP Aplicaciones analíticas Reporteadores / BI móvil Soluciones analíticas financieras Gestión del riesgo y cumplimiento Capa analítica Bodegas de datos Integración de datos Plataforma de procesamiento en tiempo real 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 52

55 10 Razones Principales por las cuales los Clientes eligen las soluciones SAP para Big Data 1 Todos los datos Gestionar volúmenes masivos de datos a alta velocidad 2 Todas las fuentes Obtener entendimiento de datos estructurados y no estructurados 3 Tiempo Real Habilitar interacciones en tiempo real en toda su cadena de valor 4 Análisis Desbloquear nuevos entendimientos con análisis complejos 5 Aplicaciones Ejecutar aplicaciones de nueva generación 6 Oportunidad Disponer de la información en el momento requerido. 7 Innovación La plataforma más avanzada para innovar 8 Simplicidad Menos capas, ambientes más simples, menos costos 9 Valor Innovación sin disrupción aprovecha inversiones previas 10 Elección Opción abierta para cada capa y con la posibilidad de trabajar con el hardware de elección 2014 SAP SE or an SAP affiliate company. All rights reserved. Customer 55

56 Gracias! Información de contacto: Mauricio Gordillo H. PSG Specialist for Colombia Analytics / D&T SAP Latin America & Caribbean mauricio.gordillo@sap.com +57 (320) SAP AG or an SAP affiliate company. All rights reserved.