LA VISUALIZACIÓN DE DATOS

Transcripción

1 sascom 3.T 2013 VISUAL ANALYTICS AYUDA A EURAMAX ESTÁ PREPARADO PARA ANALYTICS 3.0? LA VISUALIZACIÓN DE DATOS = MAYOR SALUD EN AUSTRALIA P or qué NECESITA SU CEREBRO LA VISUALIZACIÓN DE DATOS

2 uu sas.com/analyticsseries

3 índice Está preparado? 2 Anne-Lindsay Beall, Redactora Jefa, le explica cómo prepararse para los grandes cambios del mundo del análisis avanzado. El Big Data requiere una nueva raza de analistas 3 Según Jay Liebowitz, el big data requiere el nacimiento de una nueva raza de analistas. Le explicamos qué debe saber y dónde encontrarlos. La nube y el Big Data: guía para que la relación funcione 5 Tamara Dull demuestra que las tecnologías de nube y el big data están hechos el uno para el otro, aunque hay que tener en cuenta algunos aspectos. portada Por qué necesita su cerebro la visualización de datos 10 Las ventajas de procesar la información a través de imágenes. La exposición al riesgo en los mercados de capitales: información en tiempo real 8 Mark Moorman expone el caso de un banco británico que ha utilizado high-performance analytics para determinar su verdadera exposición al riesgo en tiempo real. Pevisión del futuro gracias a la visualización de datos 13 Los empleados de Euramax disfrutan de acceso instantáneo a datos críticos en cualquier momento y lugar gracias a SAS Visual Analytics. Está preparado para Analytics 3.0? 16 Tom Davenport, pionero del análisis avanzado, le explica la actual evolución del sector, hacia dónde debe dirigirse y el modo de llegar allí. Todo se ha vuelto móvil, incluso su cartera 20 El uso de los smartphones brinda a los responsables de marketing una perspectiva del comportamiento del consumidor sin precedentes, siempre que cuenten con la estrategia adecuada. Visual analytics como respaldo a las decisiones políticas 22 El Instituto de la Salud y el Bienestar australiano emplea tecnologías de visualización para explorar datos y encontrar respuestas. Dinero seguro 26 Descubra cómo ha evitado el Royal Bank of Canada pérdidas por 15 millones de dólares. Cuatro aspectos en las que SAS coincide con las industrias Stark 29 Algunas escenas de Iron Man 3 fueron rodadas en el campus SAS, convirtiendo a la compañía en Industrias Stark por un día.

4 comenzamos Está preparado? El equipo Si tuviéramos que elegir un tema para esta edición, sería la preparación. El tamaño y velocidad de sus datos están creciendo cada vez más rápido, el mundo del análisis avanzado está cambiando y queremos que su compañía esté a la última en los que se refiere a esta tecnología. Por eso seguimos explorando la visualización de datos. La visualización constituye el modo más sencillo en que nuestro cerebro puede procesar e interpretar grandes cantidades de información. Cuando cientos y miles de variables se convierten en un gráfico circular, de líneas o de burbujas, las compañías pueden utilizar esta información de forma intuitiva para ver conexiones y formular preguntas que nadie se había planteado antes. Nuestra historia de portada le muestra las ventajas de la visualización de datos: le explica por qué necesita su cerebro la visualización de datos (página 10). Más adelante verá cómo se aplica en organizaciones reales: Euramax (página 13) y el Instituto de Salud y Bienestar australiano (página 22). También en esta edición, Tom Davenport nos explica cómo prepararnos para Analytics 3.0 (página 16) y analiza algunas compañías pioneras en este campo. En nuestra columna sobre business analytics, Jay Liebowitz le ofrece algunos consejos para la contratación de la nueva raza de analistas (página 3) y, en la sección de vanguardia tecnológica, Tamara Dull le enseña a llevar el big data a la nube (página 5). Gracias por leernos. ANNE-LINDSAY BEALL Redactora Jefa Contacto Suscripciones gratuitas sas.com/subscriptions Nuestro blog blogs.sas.com/sascom anne-lindsay.beall@sas.com Redes sociales Facebook SASsoftware DIRECTOR EDITORIAL Kelly R. LeVoyer REDACTORA JEFA Anne-Lindsay Beall EDITORA DEL BLOG Alison Bolen CORRECTORES Amy Dyson, Chris Hoerter, Amy Madison, Trey Whittenton SOPORTE WEB Beth Anne Ballance, Amanda Pittman COLABORACIONES EDITORIALES Lori C. Bieda, Martha Casanova, Tom Davenport, Tamara Dull, Jay Liebowitz, Mark Moorman, Analise Polsky EDICIÓN Diana Christofferson DIRECCIÓN ARTÍSTICA Marchellina Waugh INFOGRAFÍA David Accampo, Brian Lloyd FOTOGRAFÍA John Fernez, Steve Muir SAS World Headquarters SAS Campus Drive Cary, NC USA Tel: Fax: Ventas EE. UU. y Canadá: PImpreso en EE. UU. ISSN S106702_ SAS Institute Inc. publica la revista sascom con una periodicidad trimestral. Copyright 2013 SAS Institute Inc., Cary, NC, USA. Todos los derechos reservados. El personal interno puede realizar un número de copias restringido para su uso. Debe hacerse mención al editor. De lo contrario, no se podrá reproducir parte alguna de la presente publicación sin el consentimiento previo y por escrito del editor. SAS y el resto de los nombres de productos o servicios de SAS Institute Inc. son marcas comerciales o registradas de SAS Institute Inc. en EE. UU. y otros países. El símbolo indica su registro en EE. UU. Otras marcas o nombres de producto son marcas comerciales de sus respectivas compañías. En ocasiones sascom puede incluir artículos redactados por colaboradores que no son empleados de SAS Institute Inc. Las opiniones de estos columnistas no reflejan necesariamente el punto de vista de SAS Institute. SAS es el líder en software y servicios de business analytics y el fabricante independiente más importante del mercado de la inteligencia empresarial. Mediante soluciones innovadoras, SAS ayuda sus clientes en más de sitios a aumentar el rendimiento y ofrecer valor tomando mejores decisiones en menos tiempo. Desde 1976, SAS ofrece a clientes de todo el mundo el poder del conocimiento: THE POWER TO KNOW. sascom La declaración de privacidad de SAS regirá el uso de los datos de SAS que puedan haber sido recopilados por la versión digital de esta publicación de SAS. Más información: sas.com/privacy.html 2 sas com 3.T2013

5 Jay Liebowitz es catedrático de gestión y tecnología de la Universidad de Maryland. Su último libro se titula Big Data and Business Analytics. EL BIG DATA REQUIERE UNA NUEVA RAZA DE ANALISTAS Le explicamos qué debe saber y dónde encontrarlos COLUMNA business analytics Hoy en día todo el mundo habla del big data. El big data supone un problema, sobre todo en los sectores que necesitan muchos datos, como la ciberseguridad, las finanzas, la sanidad, el marketing, el transporte o la energía. Ya conocemos las tres V del big data: volumen, velocidad y variedad. Pero la cuestión clave es: cómo podemos extraer conocimiento del big data? Parte de la respuesta a esta pregunta radica en el análisis avanzado, un campo en auge en varios sectores. Algunas personas consideran el análisis avanzado de datos, como la educación de los futuros científicos de datos, mientras que otros están explorando el business analytics a través de la formación de un nuevo tipo de analista empresarial. Requisitos No importa cómo se refiera a ellos: esta nueva raza de especialistas en análisis avanzado debe reunir distintas competencias que incluyen técnicas estadísticas, métodos matemáticos aplicados, algoritmos de aprendizaje de máquinas avanzados, visualización de datos y conocimientos empresariales y de comunicación. A menudo encontramos analistas que poseen los conocimientos técnicos requeridos, pero carecen de las competencias empresariales y de comunicación necesarias para explicar a directivos y ejecutivos cómo los resultados del análisis avanzado pueden servir de base para la toma de decisiones en la organización. Esta nueva raza de analistas también debe poseer la experiencia y el instinto precisos para saber si los resultados del análisis avanzado se han desviado o han generado conocimiento valioso. En las últimas conferencias del MIT se ha tratado este valor de la intuición y la toma de decisiones más inteligente. El informe de la Partnership for Public Service e IBM de octubre de 2012, titulado From Data to Decisions II (De los datos a las decisiones II), aborda la importancia de aprovechar el potencial de una variada plantilla de empleados con distintas formaciones y puntos fuertes. El informe subraya la importancia de un enfoque de equipo de análisis avanzado que tenga en cuenta la formación y la experiencia. Dicho enfoque debería conducir a un conjunto de resultados analíticos creíbles que responda a los objetivos para la compañía en cuestión. {... esta nueva raza de especialistas en análisis avanzado debe reunir distintas competencias que incluyen técnicas estadísticas, métodos matemáticos aplicados, algoritmos de aprendizaje de máquinas avanzados, visualización de datos y conocimientos empresariales y de comunicación. 3.T2013 sas com 3

6 5 CONSEJOS para contratar y conservar a los mejores analistas 1No recurra a consultoras de recursos humanos para buscar a los mejores especialistas en análisis avanzado. Recurra a su red interna de analistas y busque dónde se congregan estos profesionales. Cree una trayectoria profesional definida para conservar a sus especialistas. Si no 2 pueden ascender por encima del cargo de analista o estadístico, acabarán llevándose sus conocimientos a otra parte. Contrate a buenos comunicadores. No contrate a un científico de la NASA que no sea 3 capaz de explicar lo que hace a un público profano en la materia. Entable relaciones con las universidades. Los buenos aspirantes al análisis avanzado 4 proceden de múltiples disciplinas que incluyen econometría, estadística, finanzas, marketing y agronomía. Formación, formación y más formación. Dado que es difícil encontrar al analista perfecto 5 (aunque sea usted quien controle el proceso de selección), la formación es importante. Muchos técnicos muy competentes con potencial para ser grandes comunicadores son un poco introvertidos y necesitan ayuda para aprender a ser más asertivos. Una perspectiva multidisciplinar seguramente proporcione gran valor al equipo analítico. Nuevos planes de estudios para el análisis avanzado Las universidades e instituciones educativas están ofreciendo nuevos grados y programas de estudio en análisis avanzado. El programa de máster en ciencias del análisis avanzado de la Universidad Estatal de Carolina del Norte, cuya magnitud se ha duplicado hace poco dada su popularidad, ha sido un ejemplo para la mayoría de estos estudios. Otros programas incluyen: Universidad de Maryland: máster en análisis avanzado online (se prevé que dé comienzo este verano). Instituto Stevens de Tecnología: máster en inteligencia empresarial y análisis avanzado. Universidad de Nueva York: máster en business analytics. Universidad Estatal de Ohio: centro de análisis avanzado, creado con IBM en noviembre de El factor instinto Ya hemos demostrado que el business analytics puede servir como fundamento para la toma de decisiones (véase el estudio realizado en 2011 por Bloomberg y SAS). Pero cómo podemos asegurarnos de que la última generación de analistas esté preparada para extraer conocimiento del big data? Obviamente, la formación en técnicas de generación de conocimiento puede ser una forma útil de buscar patrones y relaciones ocultas en los datos y el texto. Ahora bien, cómo podemos saber si vale la pena seguir analizando y explorando estas relaciones? En qué medida influye el instinto en los resultados? Es paradójico: quiere analistas con experiencia técnica y organizativa, pero los nuevos analistas con la formación técnica más actual a menudo no poseen experiencia suficiente para entender bien el contexto de la organización. En consecuencia, el enfoque de equipo con una mezcla de formación y experiencia ayudará a resolver este problema en lo que respecta a la incorporación del instinto al análisis. Otras formas de infundir instinto a la toma de decisiones en la organización a través del análisis avanzado son: Rotar los cargos de los analistas dentro de la organización para que puedan entender mejor sus componentes funcionales. Establecer tutelas entre analistas sénior-junior para que los analistas más jóvenes puedan aprender de la experiencia de otros. No dar ninguna respuesta por supuesta: difunda los resultados del análisis avanzado por la organización para comprobar su validez y sentido. NEXT steps Descárguese el white paper: Make the Most of Your Analytical Talent (Saque el máximo partido a sus analistas) sas.com/sascom-talent 4 sas com 3.T2013

7 Tamara Dull, Directora de Nuevas Tecnologías de SAS, cuenta con más de 25 años de experiencia en servicios tecnológicos y una sólida base en análisis de datos, diseño y desarrollo. LA NUBE Y EL BIG DATA: GUÍA PARA QUE LA RELACIÓN FUNCIONE Aspectos que hay que tener en cuenta antes de unir el big data con la nube COLUMNA vanguardia tecnológica En la conferencia South by Southwest (SXSW) celebrada en marzo de 2013, Tim Byers de Motley Fool afirmaba: de muchas formas, [la nube y el big data] se están convirtiendo en lo mismo: se necesitan recursos de nube para el almacenamiento y la ejecución de proyectos de big data, y el big data brinda a las compañías una buena ocasión de pasar a la nube. En lo que respecta a la relación entre el big data y las tecnologías de nube, podríamos decir que están hechos el uno para el otro. Ahora bien, tan romántico como pueda parecer, todos sabemos que una relación fuerte no se forja de la noche a la mañana y a menudo requiere mucho esfuerzo. La nube y el big data no son una excepción. Qué aporta el big data? En esta relación anunciada a bombo y platillo, el big data, además de poner su sex appeal, es el sostén de la familia y aporta a la organización información que se puede aprovechar por todos: ese es precisamente su sentido. Pero antes de añadir el big data al mix de su compañía, necesita responder estas preguntas: Cuánto big data posee realmente? El volumen justifica la ampliación de su infraestructura actual? Cómo son sus datos: estructurados, semiestructurados y/o desestructurados? Dispone en la actualidad de una infraestructura y tecnología compatible con estos distintos tipos de datos? De dónde procede su big data: interno, externo y/o de fuentes abiertas? El big data trae consigo una abundancia de fuentes de datos (algunas nuevas y otras antiguas) que están creciendo rápidamente. Y lo que es más importante: antes de emprender cualquier iniciativa de big data, debe identificar el problema que quiera resolver y el valor que previsiblemente aportará. Qué aporta la nube? Si el big data es el sostén, entonces la nube sienta unos cimientos fiables y estables (es decir, la infraestructura) para la relación. La nube ofrece múltiples opciones de infraestructura: Nube privada: una infraestructura virtualizada y específica dentro de su firewall. Nube privada externa: una infraestructura común, aunque personalizada, que se alberga fuera de su firewall. Nube pública: una infraestructura compartida que alberga un tercero. Híbrida: un entorno mixto de dispositivos en las instalaciones, nube privada (interna y externa) y nube pública. También se sabe que la nube aporta celeridad a la innovación, agilidad y una escalabilidad rápida, además de un coste total de propiedad (TCO) menor. Cómo llegar al fueron felices y comieron perdices Si se ha planteado todas las preguntas que he señalado sobre el big data y En 2014, más del 50% de todas las cargas de trabajo se procesarán en la nube. Fuente: Índice global de nube de Cisco: pronóstico y metodología, sabía qué? 3.T2013 sas com 5

8 entiende qué puede aportar la nube, está listo para dar el paso. Pero como en cualquier relación, hay aspectos que tendrá que determinar sobre la marcha. A continuación se indican siete dinámicas que tendrá que tener en cuenta: sabía qué? el 60% de las personas creen equivocadamente que Dropbox, itunes, Gmail y el hosting no son servicios de nube? Fuente abierta: el software de fuente abierta, sobre todo Hadoop y los múltiples proyectos asociados, es el principal motivo del bombo del big data. El software de fuente abierta presenta la ventaja de que es gratuito, pero requiere un sólido conocimiento del ecosistema de fuente abierta, tanto si se instala en ubicaciones físicas como en la nube. Almacenamiento y procesamiento de datos: El big data ofrece muchas posibilidades de uso atractivas, como la organización, pre-procesamiento, procesamiento y almacenamiento de datos a corto y largo plazo. Distintas facetas de la infraestructura pueden contribuir a cada caso de uso. Por ejemplo, puede organizar y pre-procesar datos en una nube interna privada para mantenerlos cerca de los datos estructurados en las instalaciones; procesar los datos estructurados en la nube privada; y/o almacenar los datos a largo plazo en la nube pública. Competencias: Las nuevas tecnologías de big data requieren competencias de las que puede que no disponga en la compañía: fuente abierta (por ejemplo, Hadoop), integración en la nube, herramientas de seguridad y análisis, entre otras. No obstante, la más importante son los analistas empresariales y científicos de datos, quienes deben proporcionar conocimiento sobre ese big data. Asistencia: Con el hardware, software y competencias adicionales que requiere el big data, las organizaciones deben determinar quién puede brindar la mejor asistencia a esta amplia infraestructura. Si solo le interesan las nubes privadas internas, el equipo de TI puede gestionarlas. Pero si quiere ir más allá de su firewall corporativo, necesitará la asistencia de un tercero (un proveedor de software o de servicios de nube) que albergue y le ayude a gestionar su infraestructura corporativa. Rendimiento: Cuanto más juntos estén sus datos, mayor será el rendimiento. Si almacena los datos en distintos puntos del país o en otro continente, tendrá que plantearse el tráfico de red para cargar y acceder a la información. Los resultados podrían ser devastadores. El volumen del big data, por sí solo, podría hacer que su infraestructura se tambalease, generando descontento entre sus clientes internos y externos. Integración: En la primera etapa de su trayectoria de big data, probablemente trabajará con los datos en un entorno independiente, en sus instalaciones o en la nube. Sin embargo, a largo plazo querrá integrar el big data en las aplicaciones, sistemas y procesos existentes. La integración del big data en los sistemas internos y externos, dentro y fuera de la nube, está obligando a las compañías a reevaluar las competencias de que disponen. Privacidad: Con el big data, las organizaciones pueden aprovechar fácilmente las fuentes de datos nuevas (y antiguas), como los datos sociales, abiertos y de máquinas y combinarlas con los datos operativos y analíticos existentes como nunca antes. Esto puede proporcionar conocimientos sobre los clientes fascinantes e innovadores. Pero al mismo tiempo encierra un desafío: estos nuevos conocimientos pueden violar los derechos a la privacidad de los clientes. Preste atención a este tema importante a Computación en la nube para principiantes SAS ofrece opciones de despliegue de nube pública y privada que le proporcionan flexibilidad y le permiten aprovechar al máximo el análisis avanzado en la nube rápidamente a través de: Un despliegue rápido. El software de SAS se suministra en paquetes pre configurados que lo hacen ideal para un desarrollo rápido en los entornos de nube. Get Fuente: Your Google Consumer Money s Worth from Analytics Survey, enero de el mercado de la computación en la nube alcanzará los millones de dólares, en comparación con los millones de dólares de Fuente: 451research.com sabía qué? Facilidad de uso. Acceda a las herramientas que necesite cuando las necesite a través de la Web, simplemente registrándose en su portal de-ñ nube de SAS. Innovación. Favorezca la difusión de la información y la colaboración entre los equipos mediante una plataforma de nube compatible con el desarrollo ágil de soluciones basadas en hechos. medida que evoluciona. Un último consejo: siente unos cimientos sólidos abordando cada una de estas consideraciones y comprobará cómo la nube y el big data efectivamente están hechos el uno para el otro. NEXT steps Más información sobre SAS Solutions On- Demand: sas.com/sascom-ondemand Descárguese el white paper: SAS and Cloud Computing (SAS y la computación de nube) sas.com/sascom-cloudwp 6 sas com 3.T2013

9 EL BIG DATA Y LA NUBE Un matrimonio bien avenido Almacenamiento y procesamiento Dónde va a digerir, procesar y almacenar su big data: en sus instalaciones, en una nube privada o en la nube pública? Código abierto Posee conocimientos o una estrategia para la integración del software de fuente abierta, como Hadoop, en su organización? NUBE Gobernance BIG DATA Una base fiable y estable el sostén de la familia Despliegue Nube privada (interna): una infraestructura específica y virtualizada dentro de su firewall. Nube privada (externa): una infraestructura personalizada y virtualizada fuera de su firewall. Nube pública: una infraestructura compartida albergada por un tercero. Híbrida: un entorno mixto de almacenamiento en las instalaciones, nube privada y/o nube pública. Servicios Software como servicio (SaaS): visualización de datos, ERP, CRM, , comunicación, juegos. Plataforma como servicio (PaaS): sistema operativo, tiempo de ejecución, base de datos, servidor web, herramientas de desarrollo. Infraestructura como servicio (IaaS): servidores virtuales, almacenamiento, red, seguridad. Ventajas Conocimientos Dispone de los conocimientos analíticos y técnicos para brindar asistencia a las tecnologías de big data en la nube? Gestión de datos Integración La integración del big data en los sistemas, aplicaciones y procesos existentes para obtener el máximo valor constituye el santo grial del big data. Está preparado? Asistencia técnica Quién se va a encargar de la asistencia de su infraestructura de big data: el equipo de TI y/o un tercero (SaaS, PaaS, Iaas)? Securidad Rendimiento El volumen de los datos, su lugar de almacenamiento (en las instalaciones o en la nube) y los responsables de su gestión (el equipo de TI o un tercero) pueden influir en gran medida en el rendimiento. Qué grado de control posee sobre estos aspectos? Privacidad Las tecnologías de big data y nube le permitirán obtener un conocimiento más profundo de sus clientes con mayor facilidad. Lo hará sin perjuicio de sus derechos a la privacidad? Las 4 V Volumen: el volumen de datos está aumentando, pasando de terabytes a petabytes, de petabytes a exabytes, etc. Variedad: los datos son cada vez más complejos, tanto por su naturaleza (imágenes, audio, vídeo, etc.) como por su formato (estructurados, semiestructurados, desestructurados) y fuentes (internas, externas, públicas/ abiertas). Velocidad: los datos se están generando más rápido que nunca y necesitan ser procesados con la misma velocidad. Valor: el valor es el fin último del big data. No se embarque en ningún proyecto sin identificar antes los objetivos empresariales y el valor esperado. Ventajas COMPAÑÍA l Mayor número de eficiencias operativas l Economías de escala l Mejora del conocimiento del cliente l Velocidad en la innovación l Agilidad l Escalabilidad rápida l Menor coste total de propiedad (TCO) Gestión del riesgo TI l Transformación de las TI. l Reducción de los costes. l Mayor rapidez de procesamiento

10 el riesgo COLUMNA Mark Moorman es Director de Práctica de Servicios Financieros para las Operaciones de SAS en EMEA y Asia-Pacífico. LA EXPOSICIÓN AL RIESGO EN LOS MERCADOS DE CAPITALES: INFORMACIÓN EN TIEMPO REAL Un banco británico ha utilizado high-performance analytics para determinar su exposición al riesgo real E n los mercados de capitales, el dinero en realidad nunca cambia de manos: solo pasa por ellas de forma digital. Estos mercados constituyen redes rápidas, inmensas y complejas con cantidades ingentes de fondos o bienes. En un solo día, en la bolsa de valores de Londres se producen más de transacciones cuyo valor puede superar los 4000 millones de libras. En este contexto, entender el valor en riesgo (VaR) supone un problema muy complejo y tiene que hacerse al instante. Una importante entidad bancaria británica decidió que había llegado el momento de evaluar su riesgo en todas sus carteras de negociación. Si lograba consolidar este VaR y obtener la información en minutos, el banco conseguiría una increíble ventaja sobre la competencia, que seguía operando en función de carteras individuales y trabajando a partir de datos de VaR con hasta dos días de antigüedad. Principales retos Al igual que en cualquier entorno de riesgo frenético, disponer de la información correcta en el momento oportuno marca la diferencia, incluso si en ese entorno se producen miles de órdenes cada segundo. Estos son algunos de los problemas a los que enfrentan los bancos en la actualidad: Los informes no suelen estar disponibles hasta un día después de la transacción. No es posible entender rápidamente la relevancia de los datos presentados. Los datos que van de un sistema de procesamiento al siguiente no tienen una definición consensuada. 8 sas com 3.T2013 Los datos se agregan sin funciones de detalle. No hay datos de referencia oficiales consensuados para un enriquecimiento coherente. No se sabe qué parámetros de entrada se emplean para el cálculo subyacente. Los picos o excepciones en los datos no se identifican automáticamente. Los usuarios no pueden crear una lista de avisos de transacciones específicas o temas de interés. { El VaR ya no es una medida del riesgo adecuada: no puede informar a la dirección de la compañía de la verdadera naturaleza de su mercado ni de las exposiciones al riesgo crediticio. SOLUCIÓN: High-Performance Risk Esta larga lista de desafíos se reduce a la falta de acceso a los datos relevantes y a la imposibilidad de analizar los datos de forma adecuada. Con una vista no estandarizada de datos desactualizados, simplemente era muy difícil tomar decisiones precisas y en el momento oportuno. Era hora de un cambio: la entidad decidió facilitar a los gestores del riesgo de mercado un proceso de generación de informes y un cálculo del VaR automatizado y de alto rendimiento. Esto permitiría a los directivos dedicar más

11 Qué puede lograr gracias a SAS High-Performance Risk? Obtener mediciones de la exposición y el riesgo de la cartera rápidas y precisas. Reaccionar ante los eventos del mercado con mayor rapidez y precisión. Identificar rápidamente las acciones óptimas y tomar las mejores decisiones. Planificar con antelación y formular contingencias. tiempo a la evaluación del riesgo en lugar de a investigar las discrepancias de datos. Naturalmente, se trataba de una empresa de grandes dimensiones. Para ello, el banco tenía que centrarse en cuatro aspectos clave: Puntualidad / Transparencia Precisión / Granularidad La entidad creó un sistema que le permitiría agregar los datos a un único repositorio sobre la marcha. De este modo, en lugar de tener que esperar al día siguiente para disponer de los últimos informes, el equipo de gestión del riesgo disfrutaría de una visión actualizada de sus exposiciones al riesgo intradía mediante la combinación de las últimas de cifras de riesgo provisionales y oficiales para contribuir a una toma de decisiones empresariales informadas con mayor puntualidad. También podrían utilizar herramientas de análisis y elaboración de gráficos con capacidad de bajar al detalle para dotar este complejo entorno de sentido (todo ello antes del toque de cierre) y modificar el rumbo cuando el VaR supere su umbral de apetito por el riesgo. Decidir sobre la marcha La entidad tenía que utilizar dos nuevas tecnologías para tomar decisiones sobre la marcha y alcanzar sus metas: la primera, el procesamiento del flujo de eventos (ESP), que permite tomar decisiones sobre la marcha en milisegundos; la segunda, una solución de highperformance risk, que utiliza hardware básico para distribuir el procesamiento en un entorno grid de ordenadores, permitiendo acceso a los datos granulares en segundos. El ESP permite tomar decisiones complejas con cantidades de datos masivas en tiempo real. Ahora la entidad puede evaluar cada transacción por separado antes de cerrarla, para después sumarla a las otras transacciones que se están realizando en ese momento y valorar las tendencias. Por último, el banco puede sincronizar estos datos con la información corporativa global. De hecho, esta tecnología implica que la entidad cuenta con: Solicitudes constantes sobre los datos en circulación (con resultados incrementalmente actualizados). Un índice de latencia de procesamiento de eventos (máximo) muy bajo (es decir, microsegundos o milisegundos). Un alto volumen (> eventos por segundo) de datos evaluados. Ventanas de evento derivadas con políticas de retención. Limitaciones de memoria para un mayor rendimiento (es decir, estado delimitado). Funciones predeterminadas de data mining, toma de decisiones, alertas, gestión de posiciones, puntuación, elaboración de perfiles, etc. Gestión de eventos fuera de orden para garantizar flujos de origen ordenados. El VaR ya no es una medida del riesgo adecuada: no informa de la verdadera naturaleza del mercado ni de sus exposiciones al riesgo. Para una total transparencia y el nivel de detalle que exige la actividad, se requieren muchos análisis distintos que incluyen, entre otros: VaR económico, svar (valor en riesgo estresado), concentraciones transitorias, valor extremo, correlaciones anómalas y pruebas de tensión. High-performance analytics permite a los responsables de la gestión del riesgo explorar rápida y fácilmente una gran variedad de escenarios, ayudando a la dirección y a la compañía a estar mejor informadas sobre la verdadera naturaleza de las exposiciones en sus carteras de negociación. NEXT steps Descargue el white paper: High-Performance Risk sas.com/sascom-riskpaper 3.T2013 sas com 9

12 Por qué necesita su cerebro la visualización de datos Las ventajas de procesar la información a través de imágenes por Analise Polsky Según el científico investigador Andrew McAfee y el catedrático Erik Brynjolfsson del MIT, la cantidad de datos que cruza Internet cada segundo es superior a la totalidad de la información almacenada en la Red hace tan solo 20 años. Es decir, a diario se generan exabytes de datos. Si intentara imaginar la cantidad de datos que se genera solamente en su compañía, la cabeza le daría vueltas. El cerebro humano no puede procesar cientos y miles de variables de una vez, mucho menos millones o miles de millones. La información puede ser la base de la estrategia y del rumbo de su compañía. Por suerte, cuenta con una herramienta que ayudará a su cerebro no solo a imaginar su información corporativa, sino también 10 sas com 3.T2013

13 FIGURA 1: Transformación de una hoja de cálculo tradicional en datos multidimensionales que se pueden desglosar mediante la aplicación de filtros en cualquier nivel de una jerarquía. { Las visualizaciones ofrecen a nuestro cerebro el modo más sencillo de recibir e interpretar grandes cantidades de información. a utilizarla. Pásese a la visualización de datos. La visualización de datos es la representación de la información en un formato pictórico o gráfico. El objetivo de la visualización de datos es simplificar los valores de los datos, favorecer su comprensión y comunicar conceptos e ideas importantes. Las visualizaciones ofrecen a nuestro cerebro el modo más sencillo de recibir e interpretar grandes cantidades de información. La visualización de datos permite a los usuarios de las compañías utilizar la información de un modo intuitivo, sin necesidad de conocimientos técnicos profundos. Incluso los usuarios inexpertos pueden crear visualizaciones de datos significativas, como gráficos circulares, de líneas o burbujas y mapas de calor. Las visualizaciones de datos avanzadas respaldan un análisis avanzado más profundo y complejo. Un nivel visual en la parte superior del programa de análisis avanzado permite a los usuarios ver los resultados del procesamiento algorítmico complejo. De este modo, además de saber qué ha ocurrido, también pueden prever lo que podría suceder mediante gráficos detallados que serán el detonante de acciones empresariales. La cuestión es que, cuando los usuarios pasan de las hojas de cálculo a los formatos visuales de datos, pueden analizar la totalidad de valores observados. Imagine que es el director de calidad de producto de una compañía internacional que produce pequeños motores, como los de los cepillos de dientes eléctricos, los juguetes o los móviles. Todos los años, la compañía fabrica millones de motores para móviles con modo de vibración. Una de sus principales responsabilidades es determinar el grado de fiabilidad de estos motores cada año de su vida útil. Si la fiabilidad del producto no llega a los niveles establecidos por los fabricantes de móviles que emplean los motores, su compañía podría perder contratos importantes. Una hoja de cálculo electrónica 3.T2013 sas com 11

14 CUÁLES SON LAS PRINCIPALES VENTAJAS de la visualización de datos? Los encuestados en un reciente estudio de IDG señalaron estas ventajas de las herramientas de visualización de datos: 77 % 41 % 34 % 15 % Mejora en la toma de decisiones 43 % Mejora del análisis de datos ad hoc Mejora de la colaboración/ divulgación de la información 36 % Funciones de autoservicio para los usuarios finales Aumento del ROI 20 % Ahorro de tiempo Reducción de la carga de trabajo del equipo de TI tradicional no puede representar visualmente la cantidad de datos que se recopilan sobre la duración y fiabilidad de dichos motores. En papel, las hojas de cálculo formarían montañas sobre su mesa. En ambos casos, tendría que pasar infinidad de horas enfrascado en millones de filas de datos y no obtendría suficiente conocimiento sobre la duración del motor y su fiabilidad, que era el objetivo inicial. La visualización de datos representa la información de un modo que podría interpretar fácilmente, ahorrándole tiempo y esfuerzo. Por ejemplo, la figura 1 muestra el número de unidades que corresponde a cada año de vida útil (representadas por el gradiente de color) así como la fiabilidad de la unidad a medida que pasan los años. En segundos, puede apreciar que las unidades que se acercan a los 10 años de duración presentan una fiabilidad aproximada del 40%. Este formato visual simplifica la totalidad de los datos, aclarando al instante la evolución de la fiabilidad de los motores de los teléfonos móviles. En esa situación podría determinar el sentido de los datos en los que se basa su trabajo rápidamente, con independencia de sus competencias informáticas. Por otro lado, si las imágenes han sido generadas exclusivamente por un usuario técnico, puede quedar mucho margen a la interpretación. Los empleados, en las oficinas o sobre el terreno, pueden utilizar las herramientas de visualización de datos para congregarse en torno a representaciones comunes, propiciando el mantenimiento de nuevas conversaciones sobre el uso de datos y las decisiones. A largo plazo, esta colaboración puede ahorrar tiempo y contribuir a salvar la distancia entre distintos departamentos en la toma de decisiones. Las aplicaciones móviles para tablets fomentan la divulgación y difusión de las representaciones visuales de datos entre los usuarios de las compañías. Las aplicaciones web nos liberan de las aplicaciones de escritorio tradicionales y favorecen la movilidad y la interacción en tiempo real. Los directivos, representantes de cuentas y ejecutivos pueden acceder a informes visuales y comprobar los indicadores de rendimiento clave en cualquier parte. Un punto de acceso centralizado a los informes e indicadores importantes minimiza los interminables rastros de papel y correos electrónicos que a menudo resultan en una mala comunicación e información. Ya no hay vuelta atrás. El flujo de datos no se reducirá en un futuro cercano; de hecho, seguirá multiplicándose. El tiempo juega en nuestra contra y no siempre podemos recurrir a los expertos en análisis de datos. En la actualidad todos podemos utilizar las visualizaciones de datos y el análisis avanzado para contestar a nuestras propias cuestiones de negocio. Analise Polsky es Responsable del equipo SAS Best Practices. Su trabajo se centra en el desarrollo y prestación de servicios de calidad de datos, administración de datos, cultura y gestión del cambio y mejores prácticas de visualización de datos. NEXT steps Compruebe los recursos de SAS Visual Analytics sas.com/sascom-varesources 12 sas com 3.T2013

15 Previsión del futuro gracias a la visualización de datos EURAMAX Coated Products toma decisiones predictivas con mayor rapidez gracias a SAS Visual Analytics El equipo directivo de Euramax Coated Products sabe que el éxito de la compañía puede depender de conocer, e incluso de redefinir, su futuro. Quiere conocer un ejemplo de esta visión? La extraordinaria resistencia del color del mayor tejado de aluminio pre revestido del mundo: el del Ferrari World en Abu Dabi, Emiratos Árabes Unidos. La enorme estructura roja con el logo de la escudería parece una nave futurista que ha aterrizado en el desierto. Otro ejemplo es el compromiso de la compañía con el business analytics y la exploración de datos. La exploración de datos ayuda a nuestros analistas y responsables de la toma de decisiones a medir el funcionamiento de nuestro sector, afirma Peter Wijers, Director de Apoyo Empresarial de Euramax. Nos esforzamos constantemente por mejorar nuestros procesos y detectar las 3.T2013 sas com 13

16 4 CONSEJOS para generar las mejores visualizaciones de datos Entender los datos que quiere visualizar. Determinar el tipo de información que quiere transmitir. Conocer a los destinatarios y el modo en que procesan la información visual. Utilizar un formato que presente la información del modo más sencillo y mejor posible. SAS Visual Analytics proporciona datos completos en muy poco tiempo que, sumados a su interfaz intuitiva, permiten a nuestros analistas obtener las respuestas a sus preguntas. Peter Wijers, Director de Apoyo Empresarial, Euramax causas de las discrepancias en los resultados. La confianza en la calidad de nuestros datos nos permite tomar decisiones más rápidas y con un fundamento más sólido. SAS Visual Analytics ayuda a Euramax a sentir esa confianza. SAS Visual Analytics proporciona datos completos en muy poco tiempo que, sumados a su interfaz intuitiva, permiten a nuestros analistas obtener las respuestas a sus preguntas, explica Wijers. Una exploración más dinámica Euramax Coated Products es una compañía especializada en metales pre revestidos de calidad que opera en Europa, Oriente Medio y Asia. De sus tres líneas de producción salen aluminios y aceros pre revestidos para su aplicación en productos arquitectónicos, de transporte y de diseño de identidad corporativa. Los metales pre revestidos de Euramax cubren todo tipo de productos, desde fachadas de edificios hasta electrodomésticos y se pueden encontrar en los artículos de algunas de las marcas más importantes del mundo. Cuando empezó a utilizar Visual Analytics, la compañía tenía como objetivo: Contar con funciones más dinámicas de generación de informes y de exploración de datos. Proporcionar una investigación más precisa. Mejorar la movilidad, incluida la posibilidad de llevar los datos al terreno y mostrarlos a los clientes. Queríamos que nuestros datos estuviesen disponibles en cualquier momento, obtener conocimiento con mayor rapidez y tomar mejores decisiones en cualquier sitio, así como poder presentar datos en distintos formatos de manera sencilla, afirma Wijers. Ahora Euramax utiliza SAS Visual Analytics en varios países para mejorar las producción y ampliar su investigación. El software también se utiliza para obtener información financiera y se añaden aplicaciones constantemente. Profundizar en los datos El problema más habitual de los informes estáticos, señala Wijers, es que se pueden apreciar desviaciones en el resultado final sin conocer las causas. Solicitar a los analistas información detallada lleva tiempo y a menudo unos resultados detallados suscitan dudas. Con frecuencia, la intuición de un analista es acertada, pero no dispone de los medios para comprobarlo fácilmente, señala. Las herramientas de elaboración de informes de SAS Visual Analytics permiten a los usuarios añadir filtros o ir a un nivel de información con mayor detalle fácil y rápidamente. Centrándose en las causas reales No obstante, a veces esas intuiciones están equivocadas: ahí es donde SAS Visual Analytics demuestra toda su utilidad. Euramax utiliza equipos Lean Six Sigma para analizar y resolver problemas de procesos de una forma estructurada. Este proceso, además de ser muy productivo, a menudo demuestra que las expectativas e intuiciones no se pueden probar. Si se aferran a esas intuiciones, los empleados pueden experimentar dificultades en su búsqueda de la mejora, explica 14 sas com 3.T2013

17 Wijers. Al identificar resultados discrepantes, Visual Analytics detecta correlaciones imprevistas, lo que permite centrarse en las causas reales. Apto para los que nunca paran en la oficina La movilidad de SAS Visual Analytics no es menos importante para Euramax. Muchos empleados de Euramax viajan por el mundo y se enfrentan regularmente a la necesidad de disponer de información al instante en sus dispositivos móviles, que con frecuencia no cuentan con conexión a Internet. Gracias a SAS Visual Analytics, los datos clave se almacenan con los informes, por lo que el acceso está garantizado 24 horas al día, 7 días a la semana desde cualquier parte, explica Wijers. Los informes también están diseñados para el nivel del usuario particular, de modo que Euramax puede configurar una estructura de acceso segura. Ahora nuestros empleados tienen lo que necesitan cuando lo necesitan, explica. Wijers está seguro de los resultados, ya que Euramax pone SAS Visual Analytics a disposición de un número cada vez mayor de empleados: Estarán encantados de tenerlo. Libertad y flexibilidad de análisis Wijers considera Visual Analytics una oportunidad de explorar nuevos ámbitos de eficiencia e innovación para dar respuesta a preguntas que no se habían planteado previamente. De todos es sabido que cuando los analistas tardan mucho tiempo en ofrecer resultados, la motivación de la dirección para solicitar distintos enfoques del análisis disminuye, señala Wijers. Pero con SAS Visual Analytics, una vez que los datos se han cargado, los analistas se ponen a trabajar sin necesidad de asistencia especializada. Ese grado de libertad y flexibilidad de análisis permite encontrar respuestas de mayor calidad mucho más rápido. La potencia y facilidad de uso de SAS Visual Analytics permitirán a nuestros empleados analizar datos de una forma mucho más eficiente. Ahora, sabiendo que todos los informes se basan en datos planos detallados, la edición de estos, y la búsqueda de las causas de las desviaciones serán más sencillas. Una vez que los usuarios entiendan las posibilidades que ofrece SAS Visual Analytics, tendrán una motivación mucho mayor para explorar los datos y ofrecer nuevos conocimientos. CÓMO elaborar unos informes brillantes SAS Visual Analytics dispone de una interfaz de generación de informes interactiva que ofrece una gran variedad de opciones para el diseño de informes dinámicos. Es posible crear informes magníficos con rapidez y hacerlos interactivos añadiendo características como los filtros, funciones de destacado, botones giratorios, cuadros desplegables/combinados, etc. La compatibilidad con las aplicaciones nativas en los tablets permite crear informes con interfaz táctil optimizada y funciones de recorrido dinámico, zoom inteligente, etc. También es posible personalizar los temas y colores, además de anular los formatos para cumplir directrices de estilo de la organización y estándares de marca. NEXT steps Más información sobre SAS Visual Analytics sas.com/sascom-sasva 3.T2013 sas com 15

18 Está preparado para ANALYTICS 3.0? No se preocupe. Tom Davenport, pionero del análisis avanzado, le dirá todo lo que necesita saber. Tom Davenport es un pionero en el sector del análisis avanzado que trabaja como Director de Investigación del IIA y directivo universitario. Es profesor invitado en la Escuela de Negocios de Harvard, un distinguido catedrático del Babson College, investigador del Centro de Negocios Digitales del MIT y asesor sénior de Deloitte Analytics. Una nueva era está alboreando en el sector del análisis avanzado: Analytics 3.0. Su acaecimiento marca una nueva edad del análisis avanzado. Se trata de la creación generalizada de nuevos productos y servicios basados en el análisis avanzado, el punto en que las organizaciones más importantes integrarán el análisis avanzado directamente en los procesos operativos y de toma de decisiones. Los que lleguen a ella obtendrán una ventaja empresarial considerable al combinar el análisis avanzado tradicional y el big data. Esta entrevista a Tom Davenport, Director de Investigación del International Institute for Analytics (IIA), le ayudará a entender la evolución del análisis avanzado, hacia dónde debe dirigirse y cómo llegar allí. 16 sas com 3.T2013

19 Cuáles son las características de Analytics 3.0? Davenport: Su aspecto más destacado es que el análisis avanzado orienta no solo decisiones estratégicas y operativas cruciales, sino también la creación de nuevos productos y servicios para compañías de todos los sectores (no solo en las empresas online, como en la era del big data). Para explicar sus otros atributos del modo más sencillo posible haremos una lista. Esta incluye: Es una mezcla entre el análisis avanzado tradicional (1.0) y el big data (2.0), las organizaciones combinan volúmenes de datos grandes y pequeños, fuentes internas y externas, además de formatos estructurados y desestructurados para arrojar nuevos conocimientos en los modelos predictivos y prescriptivos. El análisis avanzado es de vital importancia para la estrategia de la organización. El Hadoop-alooza (el furor causado por las tecnologías del big data) prosigue, pero con frecuencia como una forma de almacenamiento rápido y barato o de persistencia y estructuración de los datos antes del análisis. Tecnologías como el análisis avanzado in-database e in-memory, más rápidas, se suman a métodos analíticos ágiles y técnicas de aprendizaje de máquinas que generan conocimiento en mucho menos tiempo. Se integran muchos modelos analíticos en procesos operativos y de toma de decisiones, multiplicando su velocidad e impacto. Los científicos de datos, que destacan en la extracción y estructuración de datos, colaboran con analistas cuantitativos convencionales que sobresalen elaborando modelos con ellos. Estos equipos mixtos reúnen todos los requisitos para llevar a buen puerto los trabajos de análisis avanzado. Las empresas empiezan a crear puestos de director de análisis financiero o cargos equivalentes para supervisar la creación de las capacidades de análisis. Se impulsan herramientas para respaldar decisiones concretas hasta el punto de que la toma de decisiones se basa en aplicaciones analíticas móviles y altamente especializadas. Qué define Analytics 1.0? Davenport: Analytics 1.0 representa una era en la que las compañías comienzan a unir sistemas y conocimientos de business intelligence para facilitar la elaboración de informes y el análisis avanzado descriptivo. Durante esta etapa, son muy pocas las compañías que creen que sus sistemas pueden generar un análisis avanzado predictivo o prescriptivo. Las compañías se centran en los datos internos estructurados que generan, sin prestar mucha atención a otros tipos o fuentes de datos. En esta era, la mayoría de las organizaciones no consideran sus datos un activo valioso, como los equipos o el inventario. 3 FORMAS de hacer High-Performance Analytics Para asegurarse de que cuenta con la combinación de tecnologías adecuada para satisfacer los requisitos de Analytics 3.0, SAS le ofrece tres opciones de procesamiento distribuido: SAS In-Memory Analytics El big data y los cálculos analíticos complejos se procesan en la memoria y se distribuyen por un conjunto de blades específicos que generan un conocimiento altamente preciso. Este se puede utilizar para resolver problemas complejos prácticamente en tiempo real. SAS In-Database La integración de datos y las funciones de análisis se ejecutan en la base de datos, lo que mejora la gobernanza de los datos y acelera la obtención de conocimientos porque evita la necesidad de mover o convertir los datos de forma repetida. SAS Grid Computing Los trabajos de SAS se procesan en un conjunto de recursos de TI compartido y con una gestión centralizada que favorece la eficiencia, reduce los costes y aumenta el rendimiento. 3.T2013 sas com 17

20 Analytics 3.0 afectará a todos los sectores. Las ventajas de aprovechar el big data de forma eficaz, integrar los datos en el proceso de toma de decisiones y convertirse en un auténtico competidor analítico, estarán al alcance de cualquier compañía de cualquier sector Tom Davenport, Director de Investigación del IIA y directivo universitario Qué define Analytics 2.0? Davenport: La principal diferencia con respecto a Analytics 1.0 es la aparición del big data: datos rápidos, externos, grandes y desestructurados procedentes de distintas fuentes nuevas e interesantes. Este tipo de datos deben ser almacenados y procesados con rapidez, a menudo a través de servidores paralelos que ejecutan tecnologías como Hadoop. La velocidad global del análisis avanzado aumenta y Visual Analytics (una forma de análisis avanzado descriptivo) adquiere relevancia; no obstante, las técnicas predictivas y prescriptivas siguen sin ser el principal uso del análisis avanzado. Sus principales usuarios son las compañías online. En esta etapa nace una nueva comunidad de científicos de datos que fomenta la experimentación, el hacking y las mezclas de datos. Con independencia del sector en el que operen, la mayoría de las compañías debaten las nuevas oportunidades empresariales que las soluciones de datos pueden brindarles en el futuro. El big data sigue siendo muy popular y, para muchas organizaciones, sigue constituyendo un desafío difícil de superar. De estas tres eras del análisis avanzado, en cuál cree que operan más compañías? Davenport: En la actualidad, la mayoría de las compañías siguen trabajando en la fase Analytics 1.0. En el caso de las compañías online, la mayoría operan en 2.0. Pero los líderes de los sectores se están adentrando en el mundo Analytics 3.0. Para lograr una ventaja competitiva, las compañías deben prepararse para Analytics 3.0 y adoptar esta tecnología. Qué compañías van por delante en el movimiento Analytics 3.0? Davenport: Procter & Gamble es un buen ejemplo. Bob McDonald, CEO, y Filippo Passerini, Director de Informática de 18 sas com 3.T2013