Cómo competir utilizando Big Data y Analytics

Transcripción

1 Cómo competir utilizando Big Data y Analytics Guillermo Girón R. Business Information Regional Consultant ggiron@gbm.net Santo Domingo, Septiembre 2014

2 Sobrecarga de Información Pero a falta de Insight 44x Gran cantidad de datos y contenidos vienen para la próxima década zettabytes 1 de 3 1 de 2 Líderes empresariales frecuentemente toman decisiones basados en información en la que ellos no confian o no tienen. Lideres empresariales dicen no tener acceso a la información que ellos necesitan para hacer su trabajo ,000 petabytes 80% A nivel mundial datos no estructurados 83% Los CIOs citaron Business intelligence y analytics son parte de sus planes visionarios para mejorar la competitividad. 60% Los CEOs necesitan hacer su mejor trabajo para capturar y entender la información que les permita tomar decisiones empresariales rapidamente.

3 Desafíos Transformarse en empresas ágiles con crecimiento en equilibrio, eficiencia, con capacidad de adaptase rápidamente a los cambios del entorno Acciones en el Negocio Volverse ágiles en el mercado Desarrollar visión de los clientes Gerenciar activamente el riesgo Innovar en productos, servicios y canales Alinear operaciones y reducción del costo Desafíos del Negocio Incrementar ingresos por clientes Reforzar los estados financieros Contener el costo de cumplimiento Optimizar el modelo operativo Foco en la administración del riesgo Economía global turbulenta Regulaciones incrementadas Clientes empoderados Imperativos del Negocio Imperativos sociales Mayor competencia Innovación tecnológica 3

4 Retos que requieren nuevos enfoques Clientes Empoderados Es fundamental en el cambio de percepción de los clientes de los bancos de tener un enfoque ventas de producto a uno de agregar valor y mejorar la vida de la gente. Altamente informado Sensitivo al precio Socialmente conectado Confía en las masas (gente) Auto-promocionado (status de redes sociales) Gratificación instantánea (Generación now ) Inconsciente de seguridad (suben grandes cantidades de información personal) Más allá de los tradicionales Gen X y Gen Y uentes: IBM Institute for Business Value - Say Hello to Customer 3.0 Accenture

5 Tendencias En el estudio CxO 2013 Banca y Servicios Financieros, IBM identificó cuatro imperativos de negocios en los cuales los bancos deben enfocarse. Hacia una empresa definida por el cliente El cliente incluido en el desarrollo de la estrategia Incrementar flexibilidad y optimizar operaciones Impulsar innovación analítica para entender al cliente Extender la colaboración con proveedores y empleados 9 de 10 CxOs esperan trabajar más cerca de la opinión de los clientes. Todos CxOs planean centrarse más en la experiencia del cliente en el futuro Mejorar el apalancamiento operativo con estructuras de costos variables que incrementan la flexibilidad y reducen el riesgo Romper con el paradigma de segmentos de mercado, entender al cliente como persona y reconocer los momentos de vida. CxOs quieren colaborar mucho más ampliamente a través de fronteras internas y externas en los próximos años 5

6 Perspectiva Global Conocimiento de cliente - Nuevo concepto de segmentación Uno a uno" Eventos en vivo Generaciones Global Estilos de vida Mercadeo Masivo Curva normal Std como mercadeo de masas Segmentos de Mercado Curva normal Std colas anchas 3 a 4 segmentos de clientes Segmento uno a uno Concentración de agrupaciones de interés múltiples segmentos y campañas La familia nuclear Cambios generacionales Demografía y tamaño de cuenta Aspectos socio-económicos Gustos y preferencias Tipo de contacto Segmentación granular Eventos / lugares Preferencias actuales Más dispositivos de contacto / preferencias Sentido de pertenencia Redes sociales 6

7 Que nos dicen nuestros Clientes... No conozco que debe ser analizado Los Volumenes pueden ser extremadamente altos Datos potencialmente valiosos estan inactivos o descartados (tamaño/performance) Demasiado cara para justificar la integración de gran volumen de datos no estructurados Gran parte de sus datos son no estructurados, o en estructuras muy variables, que son difíciles de analizar. Dificultad para integrar información que se encuentra distribuida en multiples sistemas e Internet Análisis necesario en el contexto de su información existente

8 Desafío: Estudio de gran Volumen & Variedad de información para encontrar nuevos puntos de vista Multiples-canales para analizar los sentimientos y experiencia del cliente Detectar-afecciones potencialmente mortales en los hospitales al momento de intervenir Predecir los patrones climáticos para planificar el uso de turbinas, y optimizar la inversión de capital en la ubicación del activo. Tomar decisiones de riesgo basados en datos transaccionales en tiempo-real Identicar criminales y amenazas en medios dispares como video, audio, y fuentes de datos

9 Nos estamos moviendo a una Nueva Era de Tecnologías de la Información y Desafío de las 4 V Extracción de conocimiento a partir de un inmeso volumen, variedad y velocidad de datos, en el contexto, más allá de lo que antes era posible 12+ terabytes of Tweets creados diaramente 5+ million Eventos de trading por segundo. Volume Velocity 100 s Variety De diferentes tipos de datos. Veracity Solo1 in 3 Tomadores de decisiones Creen en la información que tienen. 9

10 Qué hace una Plataforma de Big Data? Analiza una Variedad de Información Analítica novedosa en un amplio conjunto de información mixta que antes no se podía analizar Analiza Información en Movimiento Análisis de flujo de datos Saturación de grandes volúmenes de datos y análisis ad-hoc Analiza Volúmenes de Información Excesivos Procesa de manera rentable y analiza PBs de información Administra & analiza grandes volúmenes de datos estructurados relacionales Descubre y Experimenta Analítica Ad-hoc, descubrimiento de datos y experimentación Gestiona y Planifica Aplica estructura de datos, integridad y control para garantizar la coherencia de las consultas repetibles

11 Big Data: Integrado en Arquitectura de Información Empresarial Data Warehouse Plataforma Big Data Big Data está aquí para quedarse NO debe ser un Silo Se debe integrar plenamente para ofrecer valor Debe ser facil de implementar e Integrar Integración Empresarial Recursos Tradicionales Nuevos Recursos

12 Los 5 Patrones de Big Data Big Data Exploration Buscar, visualizar, entender big data para mejorar el conocimiento del negocio. Visión de 360 o del Cliente Mejorada Lograr una verdadera vista únificada que cuente además con fuentes externas a la empresa. Seguridad/Inteligencia Extensión Menor riesgo, detectar fraude y monitorear la seguridad en el web en tiempo real. Análisis de Operacioes Anlizar una variedad de datos generados por instrumentos losresultados del negocio. Enriquecimiento del Data Warehouse Integrar las capacidades de big data y data warehouse para mejorar la eficiencia operacional y enriquecimiento de los datos

13 Visión 360º del Cliente Mejorada: Caso Éxito SOURCE SYSTEMS CRM Name: J Robertson Address: 35 West 15 th Address: Pittsburgh, PA ERP Name: Janet Robertson Address: 35 West 15 th St. Address: Pittsburgh, PA Legacy Name: Address: Jan Robertson 36 West 15 th St. Address: Pittsburgh, PA Master Data Management 360 View of Party Identity First: Last: Address: City: State/Zip: Gender: Age: DOB: Janet Robertson 35 West 15 th St Pittsburgh PA / F 48 1/4/64 Unified View of Party s Information BigInsights Streams Warehouse Vista Unficada de la información del Cliente

14 Análisis de Operaciones Analizar una variedad de datos de dispositivos para mejorar el resultado del negocio Aprovechar y entender los datos generados por sensores o servidores que antes costaba mucho poder procesar La habilidad de analizar machine data y combinarla con los datos empresariales para tener una visión completa, permite: Ganar visibilidad en tiempo real acerca de las operaciones, experienica de clientes, transacciones y comportamiento Planificación de aumento de eficiencia operacion de forma proactiva Identificar e investigar anomalías Monitorear de punta a punta la infraestructura para que proactivamente se pueda evitar degradación de servicio o caídas de los sistemas

15 Cisco Implementó la solución de Big Data para la gestión de Infraestructura Optimiza el consumo de energía del edificio con vigilancia centralizada y control del sistema de monitoreo del edificio Automatiza el mantenimiento preventivo y correctivo de los sistemas correctivos del edificio Utiliza Streams, InfoSphere BigInsights y Cognos 26 -Analítica de Registro -Pronóstico del Gasto de Energía -Optimización del consumo de energía -Detección de uso anómalo -Gestión consciente de la energía -Aplicación de políticas

16 Enriquecimiento del Data Warehouse Integrar capacidades de big data y data warehouse para incrementar la eficiencia operacional Necesidad de analizar variedad de datos Fuentes de datos Estructurados, No- Estructurados, y datos de tipo streaming que son requeridos para análisis profundo y detallado Requerimiento de baja latencia Extender la infraestructura del DW Optimización de storage, mantenimiento y optimización de costos de licenciamiento mediante la migración de datos no utilizados hacia Hadoop Preprocesamiento de datos previa a la carga del data warehouse

17 Caso de Estudio: Visa Establecer un sistema en el cual los comercios envían ofertas focalizadas, basadas en la ubicación geográfica de sus clientes inscritos en el programa mediante su dispositivo móvil en tiempo real basado en la utilización de su tarjeta de crédito

18 Infraestructura de BIG DATA Las nuevas aplicaciones analíticas impulsan los requisitos para una plataforma big data Solutions Analytics and Decision Management Big Data Platform Integrar y gestionar toda la variedad, velocidad, volumen y veracidad de datos (V4) Aplicar análisis avanzados a la información en su forma nativa Visualizar todos los datos disponibles para análisis ad-hoc Entorno de desarrollo para la construcción de nuevas aplicaciones analíticas Optimizado para Workload y scheduling Visualization & Discovery Hadoop System Accelerators Application Development Stream Computing Information Integration & Governance Big Data Infrastructure Systems Management Data Warehouse

19 Dónde Encontrar Más Información?

20 Muchas Gracias!! Guillermo Girón R.