Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Big Data: the Management Revolution

827 visualizaciones

Publicado el

Presentación sobre la sesión "Big Data: the Management Revolution", dentro del Programa Ejecutivo de Big Data y Business Intelligence celebrado en Madrid en Febrero de 2016, en nuestra sede de la Universidad de Deusto.

Publicado en: Educación
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Big Data: the Management Revolution

  1. 1. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Big Data: the Management Revolution Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.
  2. 2. 2 Fuente: http://www.amazon.es/dp/1118965833/ref=asc_df_111896583332101237/?tag=googshopes- 21&creative=24538&creativeASIN=1118965833&linkCode=df0&hvdev=c&hvnetw=g&hvqmt=
  3. 3. 3
  4. 4. 4
  5. 5. 5 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  6. 6. 6 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  7. 7. 7 Clarificando conceptos Las 5 V’s del Big Data Fuente: http://www.dreamstime.com/stock-photography-big-data-v-words-image35236832
  8. 8. 8 Clarificando conceptos Data Science Fuente: http://www.slideshare.net/TechnetFrance/rec201-mstechdaysfinal130213033305phpapp02-19779391
  9. 9. 9 Clarificando conceptos Drivers of Big Data
  10. 10. 10 Clarificando conceptos Economía digital ● La sociedad se ha tecnificado, y estamos cada vez más interconectados ○ Se habla de las redes sociales ● A eso unámosle que el coste computacional es cada vez menor ○ Menor coste de producción ● Cada vez se están digitalizando más procesos y actividades de nuestro día a día ○ Generaremos cada vez más datos
  11. 11. 11 Clarificando conceptos Economía digital (II) En la actividad digital, todo genera un dato Tarjetas de crédito Teléfonos móviles Redes sociales Proveedores de Internet Tarjeta de fidelización de mercado ... Fuente: http://www.privacidadlogica.es/2012/05/31/modelo-de-informe-sobre-sistema-de-control-horario-basado-en-huella-digital/
  12. 12. 12 Fuente: http://www3.weforum.org/docs/WEF_ITTC_PersonalDataNewAsset_Report_2011.pdf Clarificando conceptos Economía digital (III)
  13. 13. 13 Fuente: http://www.theguardian.com/news/datablog/2014/apr/22/how-much-is-personal-data-worth Clarificando conceptos Economía digital (IV)
  14. 14. 14 Clarificando conceptos Big Data vs. Business Intelligence Business Intelligence Big Data
  15. 15. 15 Clarificando conceptos Big Data vs. Business Intelligence (II) ●No obtiene respuestas quién posee los datos, sino quien sabe hacer las preguntas ●Una disciplina que tiene un objetivo a medio plazo o La herramienta de la estrategia y de la dirección o Busca dar respuestas a preguntas concretas y formuladas a priori analizando datos Fuente: http://www.xiskya.com/2012/12/21/una-pregunta-poderosa-por-favor/
  16. 16. 16 Clarificando conceptos Big Data vs. Business Intelligence (III) ●Por contra, Big Data, básicamente consiste en analizar masivamente datos "a ver si sale algo" ●Esto último tiene problemas obvios o Me pueden salir correlaciones o relaciones espúreas o sin fundamento ni sentido (si analizamos la aparición del cambio climático y la desaparición de los piratas, la correlación es muy alta, y su sentido ninguno) o Un campo que permite aprovechar el dato a corto plazo buscando patrones, inferencias, etc., entre los datos, sin ningún objetivo a priori concreto
  17. 17. 17 Clarificando conceptos Big Data vs. Business Intelligence (IV)
  18. 18. 18 Clarificando conceptos Business Intelligence En 1989, Howard Dresner, un investigador de Gartner Group, popularizó el acrónimo de BI (Business Intelligence) para indicar “El conjunto de conceptos y métodos para mejorar la toma de decisiones en los negocios, utilizando sistemas de apoyo basado en hechos”
  19. 19. 19 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  20. 20. 20 Impacto Big Data El impacto en los negocios ● Los beneficios que una empresa puede obtener son claros: ○ Conocimiento de sus clientes, mercados, productos, etc, ○ Redundando esto en nuevos mercados, nuevos segmentos ○ Alineamiento de la empresa a los clientes ○ ... ● En definitiva nuevos ingresos y ahorros
  21. 21. 21 Impacto Big Data El impacto en los negocios (II) Oportunidades que se enmarcan en la era de la personalización y especialización que demanda un cliente exigente e informado Fuente: http://www.luxortec.com/blog/camino-a-una-estrategia-centrada-en-el-cliente/
  22. 22. 22 Impacto Big Data El impacto en los negocios (III) ● La oportunidad de explotar el dato aparece cuando muchas empresas se dan cuenta que tienen muchos datos en diferentes sistemas y archivos (ERP, CRM, hojas de cálculo, redes sociales, etc), y no lo explotan ● Y aquí el principal problema está en que no hay una "explotación cerrada" ○ Es decir, no hay un conjunto de utilidades o preguntas tipo ○ Hay tantos enfoques prácticamente como empresas
  23. 23. 23 1) Ganar más dinero 2) Evitar perderlo 3) Optimizar procesos Impacto Big Data El impacto en los negocios (IV)
  24. 24. 24 Impacto Big Data Casos reales
  25. 25. 25 Impacto Big Data Casos reales (II)
  26. 26. 26 Impacto Big Data Casos reales (III)
  27. 27. 27 Impacto Big Data Casos reales (IV)
  28. 28. 28 Impacto Big Data Maturity model Fuente: https://www.gartner.com/doc/713210
  29. 29. 29 Impacto Big Data Business Intelligence vs. Business Analytics
  30. 30. 30 Impacto Big Data Business Intelligence vs. Business Analytics (II) Fuente: http://i.ytimg.com/vi/oNNk9-tmsZY/hqdefault.jpg Fuente: https://wiki.smu.edu.sg/is101_2012/Week_12_(G3)
  31. 31. 3131 ●Estudiar datos tiene dos objetivos principales o Informar § ¿Qué ha ocurrido? o Predecir § ¿Qué podría ocurrir? Hoy Business Analytics Predecir Business Intelligence Informar Impacto Big Data Business Intelligence vs. Business Analytics (III)
  32. 32. 32 Modelo EFQM de Excelencia Fuente: http://www.tqm.es/TQM/ModEur/ModeloEuropeo.htm Impacto Big Data Procesos funcionales de aplicación
  33. 33. 33 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  34. 34. 34 Dirección estratégica Data-Driven Organization Roadmap to Data-Driven Organization advantage Fuente: http://www.ibmbigdatahub.com/blog/observations-transformations-and-conversations-ibm-chief-data-officer-summit
  35. 35. 35 Dirección estratégica Data-Driven Organization (II)
  36. 36. 36 Dirección estratégica Data-Driven Organization (III) Fuente: http://www.forbes.com/sites/piyankajain/2012/06/22/what-is-your-organizations-analytics-maturity/#55ada95c58f2
  37. 37. 37 Dirección estratégica Data-Driven Organization (IV) El riesgo estratégico causa el 68% de disminución de la capitalización de mercado
  38. 38. 38 Dirección estratégica ¿Qué es la Dirección Estratégica basada en datos? ●Habitualmente, las decisiones operativas y tácticas, son muchas y pequeñas, con datos suficientes a priori sobre los cuales construir una base de conocimientos ●La decisiones estratégicas, en cambio, son generalmente poco frecuentes, cada una de gran valor, con pocos datos formales de decisiones previas similares y que requieren conocimientos de negocios y el balance de las compensaciones
  39. 39. 39 Dirección estratégica ¿Qué es la Dirección Estratégica basada en datos? (II) ●Debilidades o El proceso de obtener información relevante o El proceso de reutilización del conocimiento existente y el evitar el problema de inventar continuamente o El proceso de tomar buenas decisiones rápidamente § Es decir, ni tomar malas decisiones rápidamente ni tomar decisión en absoluto o Habiendo tomado una decisión, el proceso de convertir la decisión en acción § Es lo que se llama la prescripción, fin último de un proyecto Big Data
  40. 40. 40 Dirección estratégica Diagnóstico e indicadores
  41. 41. 41 Dirección estratégica Toma de decisiones ●La toma de decisión implica o Comprender bien los factores claves de la decisión y cómo éstos afectan a la decisión o Solo procesar la información relevante para la decisión Fuente: http://eprojectingenieria.com/doc/PresentTema7.pdf
  42. 42. 42 Dirección estratégica Evidence-Based Management
  43. 43. 43 Dirección estratégica Evidence-Based Management (II) “Trasladar los principios basados en la mejor evidencia, a las prácticas organizacionales”
  44. 44. 44 Dirección estratégica Evidence-Based Management (III) Es muy similar, en su esencia, al ciclo de aprendizaje o de solución de problemas, repetido por numerosos autores bajo distintos esquemas Ciclo de Shewhart o de Deming Ciclo de aprendizaje de Kolb etc. Consiste en: Planteamiento de un problema La selección de la o las mejores soluciones La aplicación de las mismas
  45. 45. 45 Dirección estratégica Evidence-Based Management (IV) Aprender acerca de las conexiones causa-efecto en las prácticas profesionales Establecimiento de metas y capacidad cognitiva Aislar las variaciones que afectan los resultados deseados de manera sensible El número de metas puede importar Cultura de toma de decisiones basada en evidencias
  46. 46. 46 Dirección estratégica Evidence-Based Management (V) Construcción de apoyos de decisión para promover prácticas que soporten la evidencia Por ejemplo, especificidad, margen de tiempo para las metas Compartir información común para reducir el sobre-uso, el bajo uso y el mal uso de prácticas organizacionales y administrativas
  47. 47. 47 Dirección estratégica Evidence-Based Management (VI) Hay áreas específicas donde la administración basada en evidencias puede ayudar a superar creencias ampliamente sostenidas, pero que no cuentan con el suficiente sustento empírico: Liderazgo, la estrategia, el cambio, el talento, los incentivos financieros y una vida laboral balanceada. Estos mismos autores han creado, además, su propio sitio web: www.evidence-basedmanagement.com
  48. 48. 48 Dirección estratégica Evidence-Based Management (VII) Cinco principios de la ABE 1. Enfrente los “hechos duros” y construya una cultura en la cual se aliente a las personas a decir la verdad, aunque ésta no sea agradable 2. Comprométase con la toma de decisiones basada en hechos, lo que significa comprometerse a obtener la mejor evidencia posible y utilizarla como guía para las acciones 3. Trate su organización como un prototipo, inconcluso aliente la experimentación y el aprendizaje activo 4. Vigile los riesgos y los inconvenientes en lo que la gente recomienda, incluso la mejor medicina tiene sus efectos colaterales 5. Evite basar las decisiones en creencias fuertemente sostenidas pero no probadas, en lo que hizo en el pasado o en el Benchmarking no crítico de lo que hacen los ganadores
  49. 49. 49 Dirección estratégica Evidence-Based Management (VIII) Fuente: Las etapas del modelo de Sackett et al.
  50. 50. 50 Dirección estratégica Evidence-Based Management (IX)
  51. 51. 51 Dirección estratégica Evidence-Based Management (X)
  52. 52. 52 Dirección estratégica Evidence-Based Management (XI)
  53. 53. 53 Dirección estratégica Simulador Fuente: http://home.ubalt.edu/ntsbarsh/Business-stat/stat-data/Forecast.htm y http://home.ubalt.edu/ntsbarsh/stat- data/Javastat.htm
  54. 54. 54 Dirección estratégica Simulador
  55. 55. 55 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Dirección estratégica basada en datos ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  56. 56. 56 Tratamiento y gestión datos Pirámide informacional Fuente: http://mundotrading.net/2014/05/01/hoy-tenemos-mucha-informacion-pero-somos-mas-cultos/
  57. 57. 57 ●El dato por si solo nos aporta poco… o 2.000 visitantes únicos en mi tienda online o 1.000 nuevos usuarios en mi aplicación o 10% nuevos clientes en mi exposición o 24 conversiones de las campañas de captación o 3.000 € de incremento del tamaño de la transacción media de ticket de compra o ... Tratamiento y gestión datos Del dato...
  58. 58. 58 Falta contexto → circunstancias Fecha Dispositivo/canal Geolocalización Fuente Tendencia/Perspectiva ... Tratamiento y gestión datos Del dato… (II)
  59. 59. 59 El dato puesto en valor → inteligencia de negocio Tratamiento y gestión datos … al conocimiento Fuente: http://www.esan.edu.pe/conexion/actualidad/2013/04/12/inteligencia-negocios-empresa/
  60. 60. 60 Tratamiento y gestión datos Fuentes de datos Source: http://www.bigdata-startups.com/BigData-startup/understanding-sources-big-data-infographic/
  61. 61. 61 Tratamiento y gestión datos Clasificación Source: http://www.slideshare.net/microlife/bigdata-cloudcomputingvietstack
  62. 62. 62 Tratamiento y gestión datos Resolución de problemas Problemas Predictivos (supervisados) Descriptivos (no supervisados) Clasificación Regresión Análisis correlacional Agrupamiento Reglas asociación
  63. 63. 63 Tratamiento y gestión datos Resolución de problemas (II)
  64. 64. 64 Tratamiento y gestión datos La puesta en valor del dato Datos Analíticas Puesta en valor Modelo predictivo de previsión de compras: eficiencia transporte, ahorro portes, evitar roturas stock, etc. Modelo predictivo de ventas: sugerencia compras, etc. Rutas óptimas según cargas, productos y zona: en base a pedidos, etc. Product clustering: incluso, personalización. Análisis de compras ...“Sensores” para la captura de datos Real Time → Conocer estado producto en tiempo real, avisar ruptura stock, etc. Marketing → Segmentación clientes Business Intelligence → Dashboard hot spots → Alertas variaciones (clientes, productos, zonas, etc.) → Detección mermas, robos, etc.
  65. 65. 65 Tratamiento y gestión datos 1) Ganar más dinero Marketing intelligence La idea es analizar la parte más transaccional (de compra - venta) con las acciones de marketing Con este dúo, sacamos acciones de marketing con objetivos, personalizado e hipersegmentado Fuente: http://www.boats.com/boat-content/2010/page/152/
  66. 66. 66 Tratamiento y gestión datos 1) Ganar más dinero (II) ●Se trata de analizar los datos: o Contextuales de una compra → momento, lugar, composición de la cesta de la compra o Lo enmarcamos en perspectiva → frecuencia, tiempo entre última compra, etc. o Analizamos el cliente → si lo hace con tarjeta de fidelización, edad y perfil sociodemográfico, si viene incentivado por un descuento, etc. o Y el canal por el que entra → online -tienda online, landing page, redes sociales, etc- u offline ●… y preguntarnos cosas como...
  67. 67. 67 Tratamiento y gestión datos 1) Ganar más dinero (III) Segmento y perfil de cliente que más compra a una hora determinada y en un lugar concreto Fuente: http://es.slideshare.net/Elife2009/perfil-del-consumidor-de-bebidas-alcohlicas-en-mxico
  68. 68. 68 Tratamiento y gestión datos 1) Ganar más dinero (IV) Quién (influenciadores) o qué (drivers de compra) influye más en la decisión de compra de un cliente → drivers Fuente: http://www.marketing4food.com/la-distribucion-espanola-y-su-comprador-razones-para-elegir-una-ensena/
  69. 69. 69 Tratamiento y gestión datos 1) Ganar más dinero (V) Qué relación de productos permite modelizar el perfil de cliente Fuente: http://www.elmundodeladc.com/cual-es-tu-perfil-online/
  70. 70. 70 Tratamiento y gestión datos 1) Ganar más dinero (VI) ¿Cuál es la estructura de mi marca? Fuente: http://www.scielo.org.co/scielo.php?pid=S0120-48232007000200008&script=sci_arttext
  71. 71. 71 Tratamiento y gestión datos 1) Ganar más dinero (VII) Reglas de asociación de productos como "Si compra foie, también adquiere vino crianza", y así enfocar el cross-selling o up-selling en tienda o en promociones, product placement, gestión de inventarios, etc. Expresión de la forma X → Y {pañales} → {cerveza} {cerveza} → {pañales} {pan, leche} → {huevos} {pan} → {leche, huevos} Fuente: http://noticias.buscopisocasa.com/category/alimentacion-2/
  72. 72. 72 Tratamiento y gestión datos 1) Ganar más dinero (VIII) MROI: Marketing Return on Investment McKinsey review: “An integrated analytics approach could save up to 15-20% total budget” Source: http://www.thecmosite.com/author.asp?section_id=1137&doc_id=234474
  73. 73. 73 Tratamiento y gestión datos 1) Ganar más dinero (IX) Clusterizar clientes y productos Source: http://inside-bigdata.com/2013/12/18/tech-tip-power-pitfalls-clustering/ Source: http://www.cs.bilkent.edu.tr/~saksoy/research.html
  74. 74. 74 Tratamiento y gestión datos 1) Ganar más dinero (X) ¿Cómo están relacionados mis clientes? Análisis de Redes Sociales (ARS) Source: http://rs.resalliance.org/2010/11/03/reading-list-using-social-network-analysis-sna-in-social-ecological-studies/
  75. 75. 75 Tratamiento y gestión datos 2) Evitar perderlo ● En segundo lugar, las empresas también queremos evitar perder clientes ● Ya conocemos el famoso mantra de la importancia que tiene mantener clientes por el coste que tiene adquirir nuevos o Y esto es más posible que nunca gracias al análisis masivo de datos Fuente: http://javiermegias.com/blog/2012/04/el-motor-de-tu-modelo-de-negocio-coste-de-adquisicion-y-valor-del- cliente/
  76. 76. 76 Tratamiento y gestión datos 2) Evitar perderlo (II) Perfil de fuga de cliente Fuente: http://idata.com.co/
  77. 77. 77 Tratamiento y gestión datos 2) Evitar perderlo (III) Fuente: http://tristanelosegui.com/2011/02/27/el-embudo-de-fidelizacion-como-herramienta-para-optimizar-campanas/ ¿Cómo generar lealtad y preferencia hacia mi producto?
  78. 78. 78 Tratamiento y gestión datos 2) Evitar perderlo (IV) Customer Experience Fuente: https://www.karelgeenen.nl/15/hoe-kan-de-customer-journey-jou-helpen-bij-je-online-strategie/
  79. 79. 79 Tratamiento y gestión datos 2) Evitar perderlo (V) Lead generation, Nurturing and Scoring Fuente: http://www.responsewise.com/email-marketing/use-lead-scoring-nurturing-to-plug-sales-funnel-leaks/
  80. 80. 80 Fuente: http://my-inner-voice.blogspot.com/2011/08/net-promoter-score-for-four-cloud-iaas.html Tratamiento y gestión datos 2) Evitar perderlo (VI)
  81. 81. 81 Fuente: http://www.slideshare.net/saurabhsawhney/customer-experience-management-cem Tratamiento y gestión datos 2) Evitar perderlo (VII)
  82. 82. 82 ●Recency o Cuán reciente es la última compra del cliente ●Frequency o Con cuánta frecuencia compra el cliente ●Monetary o Cuánto gasta el cliente ●Esta técnica de análisis está basada en el axioma de marketing de que el 80% del negocio procede del 20% de los clientes Tratamiento y gestión datos 2) Evitar perderlo (VIII)
  83. 83. 83 Fuente: http://www.emailmonday.com/customer-lifetime-value-calculation-email-marketing Tratamiento y gestión datos 2) Evitar perderlo (IX)
  84. 84. 84 Tratamiento y gestión datos 3) Optimizar procesos Creación de modelos que permitan ahorrar esfuerzo económico en diferentes procesos Fuente: http://www.indiana.edu/~hmathmod/modelmodel.html Mathematical models + Statistical methods
  85. 85. 85 Tratamiento y gestión datos 3) Optimizar procesos (II) ●Supongamos la logística o la gestión de una central de compras ●Si yo integro todas las transacciones de compras, y analizo frecuencia, proveedores, descuentos, etc., podemos hacer un modelo que nos seleccione en tiempo real el mejor proveedor o distribuidor por descuentos que viene haciendo históricamente, considerando lo que ahora quiera comprar
  86. 86. 86 Índice de contenidos ●Clarificando conceptos ●Impacto Big Data ●Tratamiento y gestión de datos ●Implantación sistema Big Data
  87. 87. 87 Implantación Esquema general
  88. 88. 88 Gartner's Magic Quadrant for Business Intelligence and Analytics Platforms Implantación ¿Soluciones?
  89. 89. 89 Implantación Cuadros de mando analíticos Fuente: http://www.bi-spain.com/articulos.php?id_seccion=146&opinion=0&esenciales=0
  90. 90. 90 Implantación Cuadros de mando analíticos (II) ●Visual o Recursos gráficos de forma inteligente ●Todo en una hoja o Concentrar y llamar la atención ●Solo factores clave o Ir al grano y enfocar el análisis → optimización ●Contener ideas y comentarios o Identificar oportunidades y problemas
  91. 91. 91 Visualización de la inteligencia en BI Fuente: https://public.tableau.com/s/gallery/diversity-post-secondary-education-us Implantación Cuadros de mando analíticos (III)
  92. 92. Bibliografía 92 Bock, W. (s/f). Evidence-based Management has Issues. http://blog.threestarleadership.com/2007/08/25/evidencebased-management- has-issues.aspx Edelberg, G. (2000). “Evidence-based Management”, en INCAE. http://www.guillermoedelberg.com.ar/pdf/117.pdf García del Junco, J. y Casanueva Rocha, C. (2000). “Administración basada en la evidencia (ABE): una nueva herramienta para el directivo”, en Dirección y Organización (D-O), núm. 24, pp. 21-29. Universidad Politécnica de Madrid. Pariente Fragoso, J. L. (noviembre, 2008). “Gestión basada en evidencias. ¿Una nueva moda administrativa?”. Conferencia inaugural de la III Cátedra Nacional de Contaduría y Administración Agustín Reyes Ponce. UASLP. Rousseau, D. M. (2006). “Is There Such a thing as Evidence-based Management?”, en Academy of Management Review, vol. 31, núm. 2, pp. 256–269. Whitehurst, G. (s/f). “Evidence Based Education”. http://www.ed.gov/offices/OERI/presentations/evidencebase.html Online course: http://www.aryng.com/Online-Analytics-Training/DTD102-Business- Impact-Through-Analytics.html
  93. 93. Copyright (c) 2016 University of Deusto This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative Commons “Attribution-ShareAlike” License. To view a copy of this license, visit http://creativecommons.org/licenses/by-sa/3.0/ Alex Rayón Jerez Febrero 2016
  94. 94. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Big Data: the Management Revolution Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.

×