Predictive Analytics El lado B de una Implementación

Tamaño: px

Comenzar la demostración a partir de la página:

Download "Predictive Analytics El lado B de una Implementación"

Guillermo Salazar Rey
hace 8 años
Vistas:

1 Predictive Analytics El lado B de una Implementación SPSS Chile 14 julio 2009 Stephen Cressall, Country Manager

2 SPSS Inc. Fundada en 1968 con más de 11 años en el mercado chileno. Operaciones en más de 60 países. Más de clientes en el mundo. Gartner Group 2008 sitúa a SPSS como líder en el Cuadrante de Soluciones de Análisis Predictivo

Operaciones en más de 60 países. Más de 250.

3 The Dark Side: Por qué fracasan estos proyectos analíticos. Según nuestra experiencia éstos fallan porque: 1. No existe sponsor del proyecto. 2. Comunicación con las áreas de sistemas no es fluida. 3. Diseño inicial de un roadmap analítico muy ambicioso. 4. Compras de licencias por moda y lentitud en mostrar resultados. 5. Equipos de Inteligencia Analítica de las organizaciones superados por el día a día. 6. Finalidad del proyecto poco clara. 7. Know-how queda en los analistas quienes luego se van de las compañías. 8. Dimensionamiento subestimado de la plataforma tecnológica

Compras de licencias por moda y lentitud en mostrar resultados. 5.

4 1. No existe sponsor válido del proyecto El presupuesto es controlado por un decisor que no escucha al sponsor. El máximo decisor solo participa de la presentación final y mina los conceptos fundamentales ya acordados. El sponsor percibe, equivocadamente, que la organización es predictiva. El sponsor considera que el equipo analítico de la compañía puede lograr los objetivos analíticos en forma independiente.

El máximo decisor solo participa de la presentación final y mina los conceptos fundamentales ya

5 2. Comunicación con las áreas de sistemas no es fluida Factor crítico a la hora de optimizar los tiempos de desarrollo de un proyecto analítico. Nuestra experiencia indica que si una persona del área de TI, interesada en el proyecto, gestiona esta comunicación, los tiempos muertos se acortan. Áreas informáticas pueden desconocer el big-picture de lo que significa un proyecto analítico. Puede confundirse con un proyecto de Business Intelligence. Áreas informáticas poseen su propia agenda de prioridades y muchas veces las asociadas a proyectos analíticos son desconocidas o no han sido claramente dadas o no forman parte de la estrategia de la organización!

Áreas informáticas pueden desconocer el big-picture de lo que significa un proyecto analítico. Puede confundirse con un proyecto de Business Intelligence.

6 3. Roadmap de aplicaciones muy ambicioso Provoca que un proyecto analítico no logre visibilidad en el plazo esperado. Aunque puedan existir muchas problemáticas analíticas se deben enfrentar aquellas que soporten las características diferenciadores de la organización. Estrategia dividir para conquistar es útil. Resultados simples y directos por etapas o fases permite ir cumpliendo pequeños objetivos. La suma de ellos equivale a cumplir un único gran objetivo final.

diferenciadores de la organización. Estrategia dividir para conquistar es útil.

7 4. Compra de tecnología por tendencia Es una moda comprar plataformas tecnológicas. Aunque las necesidades analíticas no se conozcan con claridad. La tecnología por sí sola es inconducente. Se emula lo que hace un referente de cada industria en países del primer mundo sin pensar claramente si aplica localmente. Se tiende hacia modelos monolíticos contando con activos tecnológicos actuales deficientes con proyecciones de crecimiento risibles, dado el crecimiento esperado. Equipos de Inteligencia Analítica, frustrados, terminan utilizando Excel o Access, o procesando localmente, para hacer análisis sofisticados. Aumentan tiempos de análisis y los costos de oportunidad.

Se tiende hacia modelos monolíticos contando con activos tecnológicos actuales deficientes con proyecciones de crecimiento risibles, dado el crecimiento esperado.

8 5. Equipos de Inteligencia Analítica superados por el día a día. Las otras áreas ven a estos equipos como áreas analíticamente superiores capaces de entregarles reportes y de resolver sus consultas SQL. 90% del tiempo dedicado a la reejecución repetitiva de reportes. El conocimiento se enquista en estos laboratorios cubiertos de misticismo. Se declaran autosuficientes y no requieren de asistencia externa. Conocimiento limitado de las soluciones disponibles. Pueden sentirse amenazados por los consultores externos. Poco capaces de vender los proyectos analíticos efectivamente dentro de la organización.

90% del tiempo dedicado a la reejecución repetitiva de reportes. El conocimiento se enquista en estos laboratorios cubiertos de misticismo.

9 6. Espíritu del proyecto poco claro No se responden preguntas claves antes de embarcarse en un proyecto analítico. Para qué hacer una segmentación de clientes. Qué recibo a cambio de conocer mejor a mis clientes. Cómo puedo fidelizarlos. Cuánto puedo ahorrar si detecto el fraude a tiempo. Qué logro económicamente con un modelo predictivo de venta cruzada. Cuáles son las palancas comerciales que puedo gatillar en función de los resultados analíticos.

Cómo puedo fidelizarlos. Cuánto puedo ahorrar si detecto el fraude a tiempo.

10 7. En dónde reside el Know-how? Knowledge Management en pañales en las organizaciones chilenas. La ejecución mensual de los modelos puede fallar si ésta es altamente dependiente de un analista. Utilización de herramientas muy poco intuitivas a la hora de desarrollar modelos. El conocimiento adquirido de los analistas es comprado por la competencia. Pérdida instantánea de ventaja competitiva. Se necesita disponer de protocolos periódicos de traspaso de conocimiento entre los integrantes de un equipo de Inteligencia Analítica.

Utilización de herramientas muy poco intuitivas a la hora de desarrollar modelos.

11 8. Dimensionamiento subestimado de la plataforma tecnológica Plataformas tecnológicas mal dimensionadas por falta de presupuesto hacen que los tiempos de ejecución de los procesos analíticos empeoren o hasta se trunquen. Subestimación de la naturaleza del análisis predictivo. Aplicaciones de distinta naturaleza coexistiendo en un mismo servidor, o en servidores virtuales que residen en la misma caja. Grandes volúmenes de datos consumen rápidamente el espacio disponible en disco. Se cree, equivocadamente, que los repositorios apropiados para el transaccional o el DWH es igualmente efectivo para DM.

Aplicaciones de distinta naturaleza coexistiendo en un mismo servidor, o en servidores virtuales que residen en la misma caja.

12 La Plataforma PASW Statistics PASW Modeler PASW Collection PASW Text Analytics PASW Collaboration & Deployment Services

13 Gracias! Preguntas? Stephen Cressall Country Manager Tel:

Documentos relacionados

Outsourcing: ventajas y desventajas

Outsourcing: ventajas y desventajas Una empresa debe de aplicar sus recursos en su negocio base (core business), por tal motivo deja el resto de labores a empresas especializadas en cada negocio (outsourcing). Zapatero a tus zapatos Los