Big Data Móviles_ Telefónica Smart Steps. Anthea Greco Business Development Manager Telefónica

Transcripción

1 Big Data Móviles_ Telefónica Smart Steps Anthea Greco Business Development Manager Telefónica

2 Qué es el Big Data? El 90% de los datos en el mundo de hoy se ha creado en los últimos 2 años. Existen 1,2 mil millones de smartphones en La cantidad de datos transferidos por redes móviles aumentó 81% entre 2012 y millones de personas trabajaran en proyectos de Big Data en 2015.

3 Big Data Móviles La movilidad avanza 91% de adultos tienen siempre su móvil al alcance de la mano, transformando el móvil en un indicador fiable y real de movilidad.

4 Por qué es diferente al procesamiento de datos tradicional? Volumen Variabilidad Variedad Velocidad INSIGHTS [in-sahyt] una motivación profunda del consumidor en relación a su comportamiento hacia un sector, marca o producto.

5 Big Data en Telefónica 1. Entender nuestros datos +300 millones de usuarios millones de eventos al día 2. Inversión en la plataforma correcta 3. Enfoque en las necesidades de los Clientes 4. Construir un centro de expertise Y nació Telefónica Dynamic Insights en 2012, una nueva unidad de BI y Big Data 2012: UNIDAD GLOBAL 2012: PRODUCTO 2015: RESULTADOS Dynamic Insights Smart Steps 7 países, 41 proyectos, 34 Clientes

6 Qué es Smart Steps?

7 Cómo se capturan los datos tradicionalmente: Encuestas a pie de calle Información del censo y otras fuentes Contadores manuales Tarjetas de fidelización Cámaras y medidores de actividad Información basada en muestras ocasionales, comportamiento declarado o observado y modelado.

8 Cómo lo hacemos ahora: Señalización móvil Red de Antenas de Movistar Tratamiento de la información Almacenamiento Histórico Información de valor para el cliente Comportamiento real basado en millones de eventos móviles que ocurren en la red de Telefónica, 24/7, 365 días al año Más preciso Más rápido Más flexible Más económico Rico en detalles socio-demográficos

9 Cuáles son los Insights? Una mesura de viajes entre zonas Insights producidos sobre Volúmenes extrapolados Segmentación demográfica Residentes vs. trabajadores Orígenes / Destinos Frecuencia Routing Hora del día / día de la semana Edad Genero Renta Segmentación demográfica y comportamental Frecuencia, Duración, Razón de viaje vs. Catchment

10 Privacidad integrada en la concepción de la metodología Extrapolación Agregación Anonimización

11 Insights de gran valor para varios sectores 41 proyectos con 34 Clientes Transporte Turismo Retail CASOS DE USO Cuantificación de flujos de movilidad urbana y extraurbana. Caracterización de flujos de movilidad. Análisis de procedencia (e.g. residentes y nonresidentes). Análisis de flujos de turistas. Medición de cuota de mercado. Segmentación de cliente (e.g. medición de poder adquisitivo).

12 Smart Steps para transporte São Luis En São Luis, capital de Maranhão, con 1 millón de habitantes, está siendo utilizado Smart Steps para reestructurar el Transporte Público para mejora el tráfico en la ciudad. Área de análisis segmentada por perfil, densidad y vías de acceso. 7am-10am RESULTADO La ciudad economizó tiempo y dinero y obtuvo el análisis más sofisticado de todas las metodologías existentes de planificación del transporte. 10am 17pm 17pm-20pm 20pm-7am Datos de un período de tiempo (ej. 1 mes) 56 Áreas identificadas 4 Matrices calculadas por franjas horarias

13 Smart Steps para turismo De dónde vienen los turistas nacionales que visitan Zaragoza?

14 Smart Steps para Retail De dónde vienen los visitantes de un shopping en Rio? BARRA DA TIJUCA 22.0% JACAREPAGUÁ 18.0% LAGOA 15.0% SANTA CRUZ 14.0% CAMPO GRANDE 13.0% MÉIER 9.0% GUARATIBA 6.0% TIJUCA 4.0% REALENGO 3.0% MADUREIRA 1.0% BANGU 0.1% BOTAFOGO 1.8% COPACABANA 1.8% INHAÚMA 1.2% RAMOS 1.1% VILA ISABEL 1.0% PENHA 1.0% ILHA DO GOVERNADOR 0.9% IRAJÁ 0.9% ROCINHA 0.8% PAVUNA 0.7% CIDADE DE DEUS 0.7% ANCHIETA 0.5% MARÉ 0.5% VIGÁRIO GERAL 0.3% SÃO CRISTOVÃO 0.3% RIO COMPRIDO 0.3% PORTUÁRIA 0.2% CENTRO 0.2% COMPLEXO DO ALEMÃO 0.2%

15 Smart Steps para Retail Estimativa do Gênero Estimativa do Perfil Comportamental Homens 35% 30% Mulheres 25% 30% 20% 10% 0% 0% 20% 40% 60% Dias de Semana Finais de Semana Rio de Janeiro Estimativa da Idade (anos) % 15% 10% 5% 0% Dias de Semana Finais de Semana Rio de Janeiro Dias de Semana Finais de Semana Rio de Janeiro 40% 30% 20% 10% 0% Estimativa da Classe Social IBGE A B1 B2 C1 C2 D E Dias de Semana Finais de Semana Rio de Janeiro Estimativa do Fluxo (dias de semana) 221.7±126.2 Estimativa do Fluxo (finais de semana) 147.2±27.2K Estimativa do Contexto de Visitação (%) Residentes Trabalhadores Visitantes 0% 10% 20% 30% 40% 50% 60% Dias de Semana Finais de Semana Nacional Se destaca la clase más alta (AB1). Mayor concentración del segmento vida metropolitana. La región analizada tiene una alta afluencia de visitantes.

16