Se ha denunciado esta presentación.
Se está descargando tu SlideShare. ×

EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro.

Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio
Anuncio

Eche un vistazo a continuación

1 de 113 Anuncio

EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro.

Descargar para leer sin conexión

Small Data y Dark Data: reconstruyendo la información del futuro por Francisco Moreno

Small Data y Dark Data: reconstruyendo la información del futuro por Francisco Moreno

Anuncio
Anuncio

Más Contenido Relacionado

Presentaciones para usted (19)

Similares a EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro. (20)

Anuncio

Más de Laybor EMBdata Training & Consulting (11)

Más reciente (20)

Anuncio

EMBD2018 | Small Data y Dark Data: reconstruyendo la información del futuro.

  1. 1. FRANCISCO MORENO ”Small data y Dark data: reconstruyendo la información del futuro” -Cerem Business School -Universidad Politécnica de Madrid https://www.linkedin.com/in/franciscojaviermoreno/ https://twitter.com/emprendedor124 https://www.facebook.com/javier.morenogarcia.520
  2. 2. Contenido temático -El poder de los datos. -Dark data. -Small data. -Casos reales (éxitos y fracasos). -Recomendaciones.
  3. 3. Sintonía “Fringe” J.J. Abrams
  4. 4. DATA OF INTEREST
  5. 5. En comunicación, llamamos ruido a toda señal no deseada que se mezcla con la señal útil que se quiere transmitir. Es el resultado de diversos tipos de perturbaciones que tiende a enmascarar la información cuando se presenta en la banda de frecuencias del espectro de la señal, es decir, dentro de su ancho de banda.
  6. 6. De acuerdo a un estudio reciente de IBM el 80% de los datos generados son Dark Data o datos desestructurados y esta cifra llegará al 93% en 2020. IBM también estima que el 60% de los datos pierden su valor si no se utilizan dentro de una ventana temporal adecuada.
  7. 7. ISO/IEC 20546 Information Technology – Big Data – Definition and Vocabulary ISO/IEC 20547 Information technology – Big Data reference architectur.
  8. 8. El Small Data proporciona:  Conocimiento más preciso.  Adaptado a las necesidades de cada negocio.  Información que ha sido analizada y orientada a casos específicos.  Podemos decir que es la “personalización de los datos”.
  9. 9. Eliminar lo enorme para ver lo importante Saltar de lo numérico a lo sentimental (sentidos y sensibilidades) Gestionar mentes y deseos (un cliente es un mundo) Recopilar información (toda, incluida la que no sé que tengo) Para small data, lo principal no es cantidad si no calidad
  10. 10. Martin Lindstrom: “Usar ‘Big Data’ por sí solo es muy peligroso” El experto en marcas danés Martin Lindstrom alerta de que tener en cuenta solo los datos masivos o ‘Big Data’ para tomar decisiones empresariales es “muy peligroso” y propone utilizar el ‘Small Data’, que es observar individualmente el comportamiento del consumidor, cliente o usuario.
  11. 11.  Subestimamos los datos, la mayoría de las veces.  Usamos la información de forma no inteligente.  Otras, simplemente, los desconocemos. Es lo que se conoce como:
  12. 12. DARK DATA
  13. 13. CASO REAL
  14. 14. Como en todos los eventos de este tipo, se recoge información de los asistentes en formato papel. Algunas personas que acuden al evento, lo hacen sin invitación previa, es decir, no están.
  15. 15. La Escuela de Negocios NO revisó todas las fichas (aproximadamente unas 150), por error, olvido, ineficiencia o desidia. Eso es lo de menos…. ¿o no?
  16. 16. Pasados unos meses, un becario encontró una ficha. Introdujo el nombre de aquel asistente desconocido en Linkedin. Su sorpresa fue mayúscula. Ese asistente era el Director General de una importante multinacional americana.
  17. 17. Se reunieron con ellos, y firmaron un acuerdo para formar en habilidades, técnicas de negociación y experiencia cliente a 900 personas (directivos y mandos intermedios) por algo mas de 2.500.000 €
  18. 18. ECUACION: un dato + una persona eficiente = 2.500.000€
  19. 19. Datumize es una startup de tecnología informática que ha desarrollado una tecnología propietaria para capturar los datos oscuros (Dark Data) que se encuentran en las empresas y que pueden ser utilizados para mejorar el rendimiento del negocio. La empresa nació en 2014 con el objetivo de utilizar estos datos desaprovechados que explican mucho sobre el negocio de las empresas y de sus clientes.
  20. 20. Los 'Dark Data' ayudan en la toma de decisiones, ya que aportan información sobre hacia donde se orienta la gestión empresarial en el futuro inmediato. Datumize ha descubierto múltiples fuentes de datos oscuros para diferentes sectores económicos, como el turismo, logística, automoción, comercio, industria, banca o salud; al mismo tiempo que ha diseñado y desarrollado el software Datumize Data Collector, un producto propio que permite la captura de datos que se transmiten a través de la red (interna) corporativa.
  21. 21. BIG DATA Algoritmos Programación Bases de datos Recolección Bibliotecas Motores de procesamiento Almacenamiento Mensajería Gestión de recursos
  22. 22. Dos teorías sustentan Small Data 1. La falacia McNamara Se basa en recordar el papel crucial que tiene el dato no cuantificable en la estrategia corporativa (Robert McNamara Secretario de Defensa de EEUU desde 1961-1968). • Desprecio a lo no mensurable. • Si no es mensurable, no es importante. • Si no es importante, no existe.
  23. 23. Dos teorías sustentan Small Data 2. El Modelo de aprendizaje de doble bucle Consiste en reflexionar sobre nuestras acciones y aprender de ellas (Von Foerster y Luhmann). No debemos ver la realidad sólo desde fuera, si no sobre todo desde dentro. Debemos ser observadores de primer orden. No podemos analizar los datos desde fuera, sólo desde dentro obtendremos su principal valor. ¡Rompe tus propios esquemas!
  24. 24. Simplicidad Metodología Acción CaLidad InteLigencia Decisión Alertas y Alarmas Transformación lnnovAcción Small data = Estrategia
  25. 25. Tal como indica Forbes, en la era del Internet de las Cosas (IoT), tiene especial relevancia el Small Data, una multisolución que requiere menos capacidad y recursos que el Big Data.
  26. 26. Big Data extrae conclusiones en torno a un volumen masivo de datos recabados por algoritmos, el Small data se centra en las entrevistas particulares y la observación directa de clientes. Big Data hace alusión a grandes cantidades de datos cosechados por máquinas, el Small Data se refiere a un análisis pausado en torno a pequeños datos extraídos de personas concretas. Lejos de ser dos estrategias antagónicas, complementarlas puede ser sinónimo de éxito para cualquier empresa.
  27. 27. En torno al Small Data, Ingvar Kamprad, fundador de IKEA, decía que la investigación más barata y eficaz que existe es preguntar a cada cliente por qué compran este o aquel producto. Precisamente, el ahondar en las percepciones y emociones del consumidor es la base de esta estrategia.
  28. 28. ¿Sabrías decir cuál es el producto más vendido de Ikea?
  29. 29. ¡Las albóndigas suecas! 2 millones al día (340 tiendas) +9,50% s/ventas
  30. 30. 1.¿Cómo vendo más? 2.¿Dónde está mi marca? 3.¿Cómo supero a mi competencia? 4.¿Cómo genero más rentabilidad y cuándo? 5.¿Cómo construyo un marketing muy inteligente ? 6.¿Cómo reduzco costes pero sin afectar a mis ventas? 7.¿Cuáles y dónde están mis clientes más valiosos y rentables?
  31. 31. Una multinacional necesitaba encontrar a un Country Manager para su nueva filial en Yakarta
  32. 32. Proceso tradicional (sin small data):  Reunión previa del Consejo.  Envío de circular a todas las filiales y compañías del grupo para que elaboren informe sobre posibles candidatos.  Proceso de entrevistas máximo 3 personas por filial.  Envío de candidaturas a Sede Central en Stuttgart.  Preselección final de candidatos (5 máximo).  Entrevista con equipo multidisciplinar interno.  Entrevista con equipo externo de Alta Dirección.  Candidato final.  Nombramiento.
  33. 33. Tiempo final del proceso: Tiempo con Small Data:
  34. 34. Un dato muy curioso…
  35. 35. No coincidió ninguno de los candidatos del sistema tradicional con la lista obtenida a través de la aplicación de Small Data. ¿Causas?  Sistema evaluador de competencias.  Basado en elementos medibles y justificados.  Aprovechando todas las fortalezas y oportunidades del candidato minimizando sus posibles debilidades.  Objetividad e independencia.
  36. 36. Fran Moreno
  37. 37. Un Boeing 737-800 costaba en 2016 unos 96 millones de dólares. Primera Air tiene 9 aeronaves.
  38. 38. Un Boeing 737-800 costaba en 2016 unos 96 millones de dólares. Primera Air tiene 9 aeronaves. Punto de ruptura: 35%
  39. 39. Un Boeing 737-800 costaba en 2016 unos 96 millones de dólares. Primera Air tiene 9 aeronaves.
  40. 40. Un Boeing 737-800 costaba en 2016 unos 96 millones de dólares. Primera Air tiene 9 aeronaves.
  41. 41. Un Boeing 737-800 costaba en 2016 unos 96 millones de dólares. Primera Air tiene 9 aeronaves. 16 compartimentos estancos Capacidad máxima de navegación con compartimentos estancos inundados: 5 5 datos para su algoritmo: (1) timón pequeño, (2) velocidad excesiva, (3) nula visibilidad, (4) corrientes marinas y (5) temperatura.
  42. 42. Un Boeing 737-800 costaba en 2016 unos 96 millones de dólares. Primera Air tiene 9 aeronaves. Probabilidad de que no llegara a su destino:
  43. 43. Un Boeing 737-800 costaba en 2016 unos 96 millones de dólares. Primera Air tiene 9 aeronaves.Camino crítico del dato: la distancia que recorre un dato en llegar a su objetivo. Small data Big data <2x
  44. 44.  Lego es un compañía que históricamente ha estado muy volcada hacia dentro.  Los conjuntos y los ladrillos sólo eran diseñados por especialistas de la propia firma.  Y había muy poca interacción con los aficionados de la marca como para comprender que tantos de esos fanáticos no eran niños, sino adultos.  Esta postura corporativa funcionó bien en los años 70 y 80, e incluso hasta los 90, cuando el negocio estuvo en auge.  Pero para el cambio de siglo, Lego se encontraba en problemas. En 1999 tuvo su primera pérdida anual en el balance.  En 2003 estaba al borde de la quiebra.
  45. 45.  Era un modelo muy sencillo.  Limitaba la inteligencia pues las piezas tan grandes provocaban aburrimiento en los jugadores.  Un universo impresionante de posibilidades. De hecho, infinitas posibilidades. El profesor danés Soren Eilers, profesor de matemática en la Universidad de Copenhague, demostró con ecuaciones que seis ladrillos Lego con ocho botones cada uno pueden combinarse más de 915 millones de maneras inteligentes.  Los niños, a los que preguntaron en un estudio externo, indicaron que las piezas eran muy grandes.  Lo importante no eran los bloques (cualquier empresa podría hacerlo) si no las historias que animaban a los bloques.
  46. 46.  LEGO facturó en 2016 más de 5.100 MM€ (5.800 en 2017).  Su mayor cifra en 85 años.  La “Lego película” de 2014 recaudó 8 veces su coste (500 MM dólares).  En 2016 incrementó su plantilla en 2.862 trabajadores.  LEGO es la segunda compañía del mundo en utilizar técnicas de small data e Investigación de clientes.
  47. 47.  La consultora Brand Finance sitúa a LEGO en el puesto número uno de las marcas más poderosas del mundo con una puntuación de 92,7 (febrero 2017).  La compañía juguetera ocupa el primer lugar en la extensa lista de empresas Global 500 Brand Finance 2017, donde se ha querido valorar tanto la FORTALEZA de la marca, como la inversión en MARKETING, la IMAGEN CORPORATIVA o la FIDELIZACION DE CLIENTES..
  48. 48.  Fundada en 1979, la compañía se encontraba al borde de la quiebra en 1997.  Las pérdidas eran una constante, sus acciones se desangraban mes a mes, su imagen de marca se había deteriorado enormemente, y sus mejores talentos huían a otras compañías. Tan mala era la situación que Apple estuvo a sólo 90 días de la insolvencia.  Se despidió a más de 13.800 personas.  Apple contaba con un SO obsoleto. Bill Gates había presentado Windows 95 en Richmond (1985).  Steve Jobs volvió (NeXT) en septiembre de 1997 y lo primero que hizo fue visitar a Bill Gates. Éste compró 150 millones de dólares en acciones de Apple y desarrolló Office para Mac.
  49. 49.  Steve Jobs le dijo a su viejo enemigo: “Gracias por tu apoyo a esta compañía. Creo que el mundo es un poco mejor gracias a ti”.  Al cierre del 1Q 2017, con el 20% de las ventas, obtiene el 90% del beneficio del sector, cerrando 2016 con unas ventas de 215.639 millones de dólares y un beneficio neto de 45.687 MM de dólares (48.300 MM en 2017).  Sus Apple Store parecen jugueterías, buscando la experiencia de “tocar” y “probar” los productos.  Apple es la primera compañía del mundo en la utilización combinada de técnicas de Experiencia de Cliente y small data.
  50. 50.  GM se fundó 1908 (Detroit). En 2009 era el 3er. grupo industrial mundial por producción de automóviles, tras Toyota y Volkswagen. A mayo de 2009 GM tenía 326.999 empleados y plantas en 33 países.  Debido a la crisis económica mundial, el 1 de junio de 2009 la empresa se declaró en quiebra (bancarrota) ante un tribunal de NY.  Su estrategia comenzó en 2002 (BI) a raíz de que la compañía creció en el uso de la información y, por tanto, fue necesario un software para apoyar las decisiones del negocio. Antes de la bancarrota, el 90% de la solución de datos estaba enfocada exclusivamente al área de Ventas.
  51. 51. Antes de la bancarrota, el 90% del modelo de negocio estaba enfocado exclusivamente al área de Ventas. Esto se conoce como ecuación desbalanceada
  52. 52.  GM Company anunció resultados récord de todo 2016 impulsados por una alta demanda en ventas por productos, mercado y continuo crecimiento de la industria en China además de un alto rendimiento en costes alrededor del mundo.  La utilidad fue de 166.400 millones de dólares, es decir +9.2% y un flujo de efectivo libre ajustado de 6.9 mil millones de dólares. En tanto, el EBIT ajustado superó los 12.000 millones de dólares.  Hoy es líder en tecnología y transformación digital tras adquirir en 2016 a CRUISE AUTOMATION (conducción autónoma).
  53. 53.  En 2018 hizo 33 años del mayor desastre de la empresa Coca-Cola. Su error estuvo a punto de hacerla quebrar.  Por primera vez, Pepsi la superó en ventas. Pepsi nació 10 años después que Coca- Cola, con similar sabor pero menor precio.  El desafío Pepsi supuso una prueba a ciegas entre ella y Coca-Cola. Todo el mundo elegía Pepsi. Este dato supuso la peor decisión estratégica: new coke.  Se gastaron millones de dólares para parecerse a Pepsi. Las encuestas indicaban que sería una campaña de éxito total.
  54. 54.  Pepsi dio vacaciones a sus empleados el día del lanzamiento de la campaña. Lanzó otra en la que agradecía a Coca- Cola que se pareciese a ella.  Los usuarios de Coca-Cola empezaron una campaña para volver al sabor anterior.  Coca-Cola reaccionó. Contraprogramó una campaña en la que reconoció su error y pidió perdón a sus clientes.  Sacó al mercado la Classic coke. A día de hoy sigue siendo la número 1 entre las bebidas de cola en todo el mundo.
  55. 55. S M A L L D A T A D A R K D A T A
  56. 56. 6 MODELOS DE SMALL DATA 1. Diamante de la inteligencia predictiva (rentabilidad, eficiencia, productividad, morosidad y solvencia) 2. PTP (Patrón, tendencia, predicción) 3. PMML (Lenguaje de marcado de texto) Análisis predictivo + minería inteligente de datos
  57. 57. 6 MODELOS DE SMALL DATA 4. MAT (Modelo de alerta temprana) 5. QTE (Quick time events) 6. Modelo de sensores (de proximidad y de profundidad) Anticipación a riesgos sistémicos (quiebra, insolvencia, cliente, marca) Triggers (disparadores) de alertas: automáticas, controladas, inteligentes y autónomas IA + Redes Neuronales Artificiales + algoritmos
  58. 58. BIG DATA Sector logístico Sector farmaceútico Sector financiero (Bancaseguros) Sector sanitario Sector energético Sector público Sector retail Sector consumo Sector telecomunicaciones Sector automovilístico Sector turístico SMALL DATA Área recursos humanos Área financiera Área distribución Área de marketing Área estratégica Área corporativa Área comunicación Área ventas y producción Área de gestión de stocks Área de planificación Área de gestión y auditoría
  59. 59. NOS HABLAN
  60. 60. 2º club más valioso del mundo (3.000 millones de euros). 2º club con más ingresos del mundo (675 millones de euros). 1er equipo de fútbol con mayores títulos del mundo según la FIFA(24).
  61. 61. Analizar todas las variables de rendimiento de cada jugador. Análisis estadístico de tendencias (marketing, deportivas, marca). Mejorar las prestaciones del equipo en el campo. Ayudar a prevenir lesiones (rotaciones).
  62. 62. Un grupo de investigadores de la Universidad de Michigan en 2015, trató de demostrar que el fútbol es un deporte poco predecible. Estudiaron las estrategias de pase y se analizaron más de 300.000 pases distintos para tratar de encontrar patrones en las estrategias de los equipos.
  63. 63. La selección alemana de fútbol gana el mundial de Brasil 2014 ¡Gracias a Big data!
  64. 64. Alemania, utilizó Big Data para analizar el comportamiento de sus rivales y realizar planteamientos tácticos que permitieran enfrentarse con mayor eficacia. La herramienta que utilizaron fue Match Insights (SAP HANA) que analiza los datos en video desde las propias cámaras del campo de juego y captura miles de puntos de datos por segundo, como la posición y velocidad de los jugadores.
  65. 65. Hablemos de costes:  Hardware: entre 40.000 y 60.000 dólares.  Software: entre 1 y 2,2 millones de dólares. Hablemos de beneficios:  Prestigio.  Liderazgo. 35 millones de dólares.
  66. 66. La pregunta… ¿Habría ganado Alemania el Mundial sin usar Big Data?
  67. 67. La compañía The Messina Group (TMG) es una consultora responsable de las campañas que encumbraron a lo más alto a nombres como Barack Obama, David Cameron, Renzi, Macron… Su trabajo es la administración y procesamiento de grandes bases de datos (big data) con la vista puesta en captar electores. El objetivo era claro: definir los targets de los electores lo más claramente posible para saber cuáles son los temas y mensajes que más les interesan, localizarles a través de sus perfiles de Facebook y hacerles llegar la publicidad.
  68. 68. Se diseñaron las audiencias a las que se quería atacar con muchísimas variables pero con datos tácticos (small data). Se buscaba garantizar impactos y se pujaba para evitar que otros anunciantes robasen el espacio. 190.000€ de campaña en Facebook parece insignificante para un volumen de 22 millones de personas. Si a eso les sumamos los 100.000€ a TMG, el coste total de pasar de 123 diputados a 137 (dos por encima de lo que predecía TMG) supuso 290.000€, para una posibilidad de gobernar un país.
  69. 69. 7 ideas magníficas sobre small data y dark data
  70. 70. Idea 1: descubrir los datos vitales Conocer cuál es el circuito real y las fuentes de información de entrada y salida de datos y acceder a toda la información de forma sencilla, segura y práctica.
  71. 71. Idea 2: estar dispuesto al cambio Apostar por un Área de Gestión del Dato que coordine el tratamiento de la información, para generar conocimiento. Se necesitan más de 550.000 especialistas en small y dark data (salarios de +40.000$)
  72. 72. Idea 3: invertir en conocimiento Todo proceso de crecimiento tecnológico exige una visión global y de futuro y ser consciente de que serán necesarios apalancar recursos: humanos, técnicos y financieros. Kodak quebró en enero de 2012 hasta que apostó por Blockchain (2013): sus acciones han subido un 289%.
  73. 73. Idea 4: Invertir en data no es coste, es supervivencia Visión y enfoque para implantar e implementar herramientas que cubran las necesidades de la organización y dotar a la organización de un CIO (Chief Information Officer) como elemento imprescindible de innovación de la compañía.
  74. 74. Idea 5: poder para la organización Todas las áreas aprovecharán small data: Finanzas, Marketing, Ventas, RRHH, Producción, Calidad,… y estarán preparadas para tomar decisiones en tiempo real sobre acciones críticas en cualquier área y elaborar escenarios para optimizar las fortalezas de mi organización.
  75. 75. Idea 6: Dark data y Small Data son una oportunidad Incorporar talento en tecnologías de data tanto interno como externo para la consecución de los objetivos previstos y a ser posible con el respaldo de la Dirección como base del éxito.
  76. 76. Idea 7: ¡Súbete al tren! La gestión de los datos es un tren en una estación. Cuando arranca, o estás dentro, o tendrás que esperar al siguiente. Pero seamos realistas, la vida nos enseña que … ¡NO TODOS LOS TRENES REGRESAN!
  77. 77. “La simplificación es la máxima sofisticación” Leonardo da Vinci
  78. 78. FRANCISCO MORENO Gracias https://www.linkedin.com/in/franciscojaviermoreno/ https://twitter.com/emprendedor124 https://www.facebook.com/javier.morenogarcia.520

×