SlideShare una empresa de Scribd logo
1 de 66
Descargar para leer sin conexión
Convertir Información en
Conocimiento
   Business Intelligence
   Un distinto punto de vista
Qué hay en esta presentación

  Cuña comercial.
  Business Intelligence:
   •   qué es
   •   quien lo usa
   •   objetivos.
   •   Fabricantes
   •   Posicionamiento
   •   Historia
   •   como se usa
   •   qué nos depara el futuro.
  Qué hay que evitar.
  Algunos casos reales.
  Preguntas y respuestas.
Infracom - Soluciones Verticales y Kits
          FOCUS Manufacturing                            FOCUS Shipping
       Para empresas de producción discreta.           Para Operadores Logísticos. Incluye las prácticas de
       Gestión Integral de gestión de pedidos,         Transporte Marítimo, Terrestre, Aéreo y servicios.
       producción, facturación y compras.              Gestiona de manera específica las problemáticas de
                                                       Master & House Bill of Lading, Arriendo de vehículos,
                                                       Canales Logísticos, Puertos y Aeropuertos, Grupage,
          FOCUS Engineering                            etc.


       Para empresas que producen por proyecto.
                                                        FOCUS Building
       Permite la gestión integral de proyectos,
       ingeniería, provisión, gestión y facturación
                                                       Concebido para empresas que trabajan en el mundo
       según las necesidades específicas.
                                                       de la construcción.
                                                       Gestiona de manera integral la provisión, logística,
          FOCUS Fashion                                distribución y gestión de recursos.


       Específicamente desarrollado para el mercado
       de la moda. Textil, Complementos, calzado.
       Gestiona de manera integral todos los
       aspectos del sector.

                                                       NeaR CAD KIT
                                                       Integración de los departamentos de Ingeniería con
                                                       Preindustrialización,  Industrialización, Proceso,
                                                       Compras.
                                                       Del Diseño a la Lista de Materiales, de manera
                                                       integrada.


                                                        NeaR Factory KIT
         NeaR Warehouse KIT
                                                       Agilidad en la gestión de planta, gestión de
       Para Implantaciones SAP que necesiten de una
                                                       consumos, planificación    de producción y
       solución rápida, eficaz y cómoda en almacenes
                                                       gestión de recursos internos y externos,
       automatizados, con o sin radiofrecuencia,
                                                       gestión de procesos externalizados, ...
       recorrido óptimo de almacén, etc.
¿Quien es Infracom?

  Empresa de Consultoría SAP de origen Italiano, Constituida en
  1999 por la asociación de diversos grupos empresariales e
  industriales.
  Partner SAP en Soluciones, Servicios y Hosting.
  550 Consultores SAP en toda Europa,
  experiencia contrastada en Despliegues Mundiales.
  1,500 empleados,
  +90 clientes internacionales.
  5 soluciones verticales, 3 kits de funcionalidad específica.
  3 data centers de alta disponibilidad, redundancia en
  comunicaciones, 10,000Km de fibra propia y acuerdos con los
  principales operadores a nivel mundial.
  Centros de excelencia
  territoriales, no globales.
Business Intelligence según...
  IBM: Es un Concepto: Convertir Datos en Información Útil usando un conjunto de herramientas y
  tecnologías.
   •   Los Indicadores de Negocio son el resultado de la Consolidación de datos diversos (bases de datos, hojas de cálculo,
       logs, datos geopolíticos, heterogéneos, …) y permiten a los analistas gestionar el cambio y generar mayores
       beneficios.
  Jeróme Bergerou (ACCURACAST): Es un Proceso: Usar los datos de manera razonada para gestionar
  de manera eficaz el negocio.
   •   Provisión de datos, Filtrar y Organizar, Analizar y Determinar la situación, generando escenarios y analizando riesgos
       para tomar decisiones razonadas.
  SIEBEL: Es un Conjunto de Herramientas: Mediante la Integración y Transformación de datos
  heterogéneos en Indicadores Clave, los Directivos, Ejecutivos y Empleados pueden tomar decisiones
  que mejorarán el rendimiento del negocio.
  COGNOS: Es la Monitorización de Sucesos, Rendimiento y Operaciones dentro de la compañía
  buscando aquellos hechos Clave para el Cambio. Una vez que estos hechos se producen, el Sistema
  debe dirigir la información adecuada a las personas según su Rol en la corporación.
  Steve Hoberman (Microsoft Office Sharepoint Server – MOSS): Procesos, Tecnologías y
  Herramientas necesarias para convertir Datos en Información, Información en Conocimiento,
  Conocimiento en Planes para Gestionar de manera eficaz las Acciones necesarias para el Negocio.
   •   BI agrupa el Data Warehouse, Herramientas de Análisis y Gestión de Contenido y Conocimiento.
  ORACLE: La Recogida de Información para el Análisis y el Pronóstico del Futuro. De manera
  sistemática, permite gestionar grandes volúmenes de datos para ofrecer capacidad de decisión
  razonada y facilitada por información fiable.
  Dave Menninger (INFORSENSE): “Business Intelligence es la gestión de lo conocido y lo desconocido.
  [...] Provisión, Consolidación, Ordenación y Preparación de Información para Entender y Actuar sobre la
  base de Indicadores Clave que definen el rendimiento de la Corporación”.
Entonces... ¿Qué es Business Intelligence?


  Es un SISTEMA y un PROCESO.
  La definición más común de un BI es:
  “Sistema de almacenamiento de Datos
  Corporativos y sus herramientas de Análisis”.
  Otra definición es la de “Proceso de
  Información Analítica de Negocio”.
  Yo personalmente prefiero considerarlo como
  “una hoja en blanco y un bolígrafo,
  potencialmente útiles”.
BI ¿Porqué es un SISTEMA y un PROCESO?




                                               KPI
                              Visión
                             Analítica
                OLAP
                                                          Data
                                                         Mining
                       ETL
                                         Informes




                                           Análisis de            Gestión del
  Fuentes de        Data
                                            Negocio               Rendimiento
  Información     Warehouse
BI ¿Quién lo usa?


                       5% - Usuarios
                       Técnicamente
                        Avanzados




                    95% - Usuarios y Punto
BI ¿Quién lo usa? (y II)

                                                ?
            Análisis Estratégico                                Plan Estratégico



                      Data Warehouse Corporativo (y II)
    !



        Análisis de
                               Rendimiento          Reporting
         Negocio




                              Data Warehouse Corporativo




               ERP                                     XML      CRM         ...
  DW                        DBRMS         xFS
... Y quien lo sufre
BI – Objetivos y Necesidades


  Disponer de una visión única y clara del negocio.
  Facilitar una base común para el análisis y poder
  tomar así decisiones.
  Disponer de datos consistentes con la operativa del
  negocio pero que no interfieren en el día a día.
  Separar los datos “útiles” de los “inútiles”.
  Disponer de datos históricos más allá de los límites
  de los sistemas transaccionales.



  Ser realmente de utilidad a quien lo utiliza
BI – Objetivos y Necesidades (y II)


                                    Mejoras en la Capacidad de
Estratégicos                                 Decisión
                     Optimización de los
                                                       Planificar el Futuro
                    Procesos de Negocio


                           Analísis                    Qué habría pasado si...
Tácticos

                                                    Motivos que nos han llevado
                      Rendimiento
                                                                a...

                                            Recursos         Tecnologias
                           Ventas
Operativos                                  Humanos          Información

               Marketing         Operaciones         Finanzas                 ...
Un poco de historia


                                                                                    Alertas

                                                            Colaboración,
                                                                                Notificación en
                                                            Procesos de
                                                                                base a Eventos
                                                              Workflow
                                                            Visualización
                                          Portales de
                                                             Cuadros de        Análisis Predictivo
                                          Información
                                                               Mando

                       Soluciones a       Plantillas y                         Adaptabilidad de
                                                              Scorecards
                         medida         Modelos de Datos                          Procesos

    Informes y                          ETL, Calidad de
                     OLAP, Queries y                       Gestión del Ciclo      Análisis de
   Estadísticas                          datos, “Data
                      Data Mining                          de Vita de los DW      Contenidos
     Impresos                             Cleansing”

  1975-1989                     1990-2004                              2005-2020
                                         Suites de BI y     Automatización     Automatización de
Procesos diferidos
                     Data Warehousing    aplicaciones       de Procesos de         Procesos
y en soporte papel
                                           analíticas       Decisión (BPM)        Inteligentes
Algunos Fabricantes y Productos
Qué dice Gartner
Estudios de posicionamiento - Referencias
                     Consulta a Usuarios
                     James Richardson
  Magic Quadrant
                     + 350 compañías
  Customer Survey
                     Se analizan12 indicadores clave

                                                       Consulta a Usuarios
                                                       Nigel Pendse

                                                       + 1,900 compañiás de 60 paises
                                                       1,901 Companies
                                                       Se analizan17 indicadores clave.




                                                                                                Evaluación por expertos
                    Evaluación por Expertos
                                                                                                Kurt Schlegel - Bhavish Sood
                                                                         BI Platform
                    Consulta a Usuarios
                                                                         Capabilities
                                                                                                Se analizan 12 indicadores clave y se
                                                                           Rating
                    Daan Van Beek - Norman Manley
                                                                                                cruzan con 220 criterios de análisis.
                    Se analizan +70 criterios clave




                                                                 Evaluación pr Expertos
                                                                 Cindi Howson

                                                                 Análsis de las herramientas en entornos reales.
                                                                 Se utilizan +100 criterios de análisis.
Para qué usamos BI   (y para qué deberíamos usarlo...)




  ¿Qué ha pasado?
  ¿Qué está pasando?
  ¿Porqué ha pasado?
  ¿Cuándo ha pasado?
  ¿Qué pasará?
  ¿Qué quiero que pase?
  ¿Creo en el Oráculo de Delfos?
¿Qué podemos hacer con BI?



  Informes, Estadísticas, Reportes...
  Analítica a hecho pasado.
  Documentarnos para el futuro.
  Alertas tempranas.
  Modelización del futuro.
  Usar la cabeza y no dejar que el sistema
  pueda tomar decisiones por nosotros.
El Futuro de BI está aquí

 Business Intelligence
Basado en...                Distribución basada en...
                            • Sucesos.
• Data Warehouse.
                            • Contenidos.
• Analítica de Negocio.
                            • Visualización.
• Gestión de Rendimiento.
                            • Movilidad.
Integrado con...
                            Decisión basada en...
• Geo posicionamiento.
                            • Modelos avanzados.
• Fuentes Heterogéneas.     • Correlación con datos no
• En Tiempo Real.            modelados.
                            • Inteligencia Artificial.
Una Pincelada de Data Mining (I)

 Data Mining es...                  Qué entra en juego
El poder extraer información útil   • Métodos Matemáticos.
de grandes volúmenes de datos.      • Algoritmos.
                                    • Inteligencia Artificial.
 Algoritmos                                             I.A.




                                                 Data Mining
 Métodos
Una Pincelada de Data Mining (II)

 Sus objetivos                          Herramientas
Predicción de resultados:           Métodos directos:
    En función de los indicadores   •    Árboles de Decisión.
    actuales, determinar el         •    Funciones de Probabilidad.
    comportamiento de indicadores
                                    Métodos estadísticos.
    futuros.
                                    •    Métodos Bayesianos.
Descripción de la realidad:
                                    •    Redes Neuronales.
    Encontrar patrones de
                                    •    Validación Cruzada.
    comportamiento que nos
    interpretar la realidad.        •    …
Los factores principales de FRACASO en un
proyecto BI

 Confusión sobre quien ha de usar qué.
 Confusión sobre quien ha de saber qué.
 Eternizar los tiempos de implementación.
 Distribuir Demasiada información.
 Confundir Reporte con Análisis.
 Confundir Análisis con Capacidad de Decisión.
 No Identificar adecuadamente la información Realmente
 Útil.
 Querer Abarcar demasiado.
 Tener Diferentes Versiones de la Verdad.
 No involucrar al Usuario.
Business Intelligence en el Mundo Real

  Los siguientes casos están basados en Proyectos
  reales.
  Algunos datos han sido modificados para proteger la
  privacidad de las empresas los han implementado.
  Estos    cambios    pueden     contener   errores  no
  intencionados, que son responsabilidad única del autor
  de esta presentación.

   Administración Pública      Servicios Corporativos
   Industria                   Medios de Pago
   Portal Comercial            Automoción
   Servicios de Internet
Administración Pública (I)

Entorno

• Ciudad de un poco menos de 1M habitantes.
• Casi 3,000 Kmq.
• 15,000 empleados públicos.
• 2,000 MEUR de Budget operativo.
• 500 MEUR de Budget para inversiones.
Administración Pública (II)

Visión del Proyecto

• Sin incrementos en el gasto público.
• Reducción de 75MEUR/Año en impuestos, a partir
  del 3er año.
• Reducción de los gastos de infraestructura, sin
  reducciones evidentes en la calidad de servicio.
• Acceso a la información desde cualquier punto.
• El desarrollo tecnológico debe alinearse con el
  desarrollo de la ciudad.
Administración Pública (III)

Objetivos Operativos (a)

•   Gestión de aguas
        Análisis del margen de beneficio.
    •
        Análisis de la eficiacia operativa.
    •
•   Mejora medioambiental
        Análisis geográfico de la eficacia en medidas anticontaminación.
    •
        Análisis de la red de aguas para la calidad del agua.
    •
•   Planificación urbana
        Análisis del desarrollo urbano y la aplicación de infraestructura
    •
        combinados con datos geográficos.
•   Sistema de transporte público
        Análisis de la eficacia de la red urbana en términos de cumplimiento
    •
        de horarios y capacidad de viajeros.
Administración Pública (IV)

Objetivos Operativos (b)
• Sistemas de emergencia
    • Análisis de eficacia de los servicios de emergencia en términos de
      tiempos.
• Servicios urbanos. Parques y Jardines
    • Cursos de Natación, Patinaje y/o Deportes: ¿cual es más atractivo?
• Recursos Humanos
    • Análisis de Nuevas Posiciones.
    • Análisis de Bajas.
    • Planificación de Sucesiones.
    • Presencia/Penetración de Sindicatos.
    • Determinación de Costes por Centros de Beneficio.
    • Preparar el camino para la Implementación de SAP HR.
    • Preparar el terreno para análisis de servicios en base demográfica/censal.
Administración Pública (V)

Herramientas

• Carga directa de ERP y aplicaciones específicas
  de negocio al DW.
• Enterprise Content Management (Sistema Gestión
  de Contenidos Corporativos) para la gestión de
  datos heterogéneos y posterior volcado al DW.
• Distribución de Contenidos e Informes a través de
  portales de servicio.
Administración Pública (VI)

Técnicamente...

•   150 Usuarios de BI.
•   Cognos como BI frontend.
•   Información disponible en el Portal del Usuario.
•   Distribución de Contenidos e Informes a través
    de Portales de Servicio.
Administración Pública (VII)

Lecciones Aprendidas

• Datos de Calidad = Buenos resultados del BI.
• Reglas de Negocio bien estructuradas e implementadas. Un
  factor crítico para disponer de Datos de Calidad.
• Definir los Metadatos, un factor trascendental para
  recuperar la información a posteriori.
• Establecer formalmente el ciclo de vida del DW = Un
  sistema de BI sólido.
• Support Services para el Usuario. Muy Importante. Un
  Usuario con un buen servicio de soporte es un usuario
  proactivo.
• Formación, formación y formación. Garantiza un arranque
  de proyecto de éxito.
Servicios Corporativos (I)

Entorno

• Empresa de Servicios Horizontales de
  Recursos Humanos en SAP.
• 30 Entidades Asociadas.
• +/- 2,700 Trabajadores.
• 15 Consultores de HR.
Servicios Corporativos (II)

Visión del Proyecto

• Unificar los criterios de información estadística entre
  las diversas Asociadas.
• Eliminar los desarrollos a medida por Asociada.
• Mantener la Seguridad de la Información. Garantizar
  que ninguna Empresa Asociada pueda acceder a los
  datos de las otras.
• Crear una Base Común de Información Agregada a
  todas las Asociadas para determinar tendencias del
  sector.
• Acceso Seguro, pero sin grandes inversiones en
  Infraestructura.
Servicios Corporativos (III)

Objetivos Operativos

• Gestión de Recursos Humanos.
   • Análisis de Carencias.
   • Análisis de Roles y Funciones versus Personal Contratado.
   • Preparar el camino para la implantación del Portal de Formación:
       • Elaborar análisis de formación por Empleado.
       • Cruzar datos con las requisitos de Organigrama.
   • Análisis de causas de ausencias, vertical por Entidad y Horizontal por
     Sector.
   • Agregar datos de Entidades fuera grupo (“la competencia”).
   • Preparar el camino para incorporar el Plan de Sucesiones.
   • Determinar Rotaciones de Personal por grupos de Edad y Zona
     Geográfica. ¿Causas?
Servicios Corporativos (IV)

Herramientas

• Carga directa de SAP-HR. Activación de Cubos
  estándar en SAP BI y customización de cubos
  según necesidad de Entidad y Grupo.
• Segundo DW de Grupo independiente del DW
  de Entidades.
• Distribución de Contenidos e Informes a través
  de SAP Portal.
Servicios Corporativos (V)

Técnicamente...

• 2 Key Users por Entidad Asociada.
• 3 Consultores dedicados Full Time al proyecto
  durante el primer año de vida; 2 durante el
  segundo.
• SAP BI como Frontend.
• Information Push/Pull – Los Usuarios Recogen
  la Información.
Servicios Corporativos (VI)

Lecciones Aprendidas

• Planificar la transición es necesario para disponer de una
  solución solida de BI.
• “Porqué no lo hicimos antes”, o la resistencia del entorno
  cuesta dinero.
• Seguridad, Seguridad, Seguridad.
• “El diablo está en los detalles”. No hablamos lo suficiente
  con las Asociadas antes de diseñar el Almacén de Datos, y
  tuvimos que rehacer el trabajo.
• Usar una fuente única de datos ayuda mucho. Tardamos
  más en resolver las cargas de datos heterogéneas que las
  de SAP. Proporcionalmente, el 90% de tiempo lo pasamos
  resolviendo problemas para datos que representaban
  menos del 5% del conjunto... Y que no pertenecían a SAP.
Industria (I)

Entorno

• Grupo Multinacional, primero en ranking en su sector a nivel
  mundial.
• Más de 40 compañías del grupo, 50% productivas, 50%
  comerciales.
• Cada compañía dispone de un sistema de gestión propio y reglas
  de negocio propias. No existe política común de tecnologías de la
  información.
• 70,000 Productos a catálogo, el 65% de los cuales de alto coste
  de mano de obra y bajo valor añadido.
• 1,800 empleados a nivel mundial, 400 en oficinas.
• 750 MEUR Facturado anual.

• ¿El diablo hecho proyecto?
Industria (II)

Visión del Proyecto

• Crear un Sistema de Información común para compartir
  datos de stock, ventas y margen operativo.
• Mantener la independencia de cada compañía. En
  cualquier momento, el grupo puede decidir
  desprenderse de una compañía del grupo y esto debe
  poderse hacer sin interferir con la funcionalidad del
  grupo.
• Interferir lo menos posible en las reglas de negocio de
  cada compañía.
• En lo posible, hacerlo con soluciones “off-the-shelf” y
  en portal web.
Industria (III)

Objetivos Operativos

• En General
   • Cada compañía, por motivos históricos, usa códigos de
     artículo propios para artículos comunes. Esto debe
     RESPETARSE en el Sistema de Información. Cada operador
     debe ser capaz de ver los códigos de artículo según su
     costumbre, sin importar a qué compañía del grupo pertenecen.
• Inventario, Ventas y Margen
   • Disponer de una visión puntual (1 día operativo de retraso
     máx.) de los indicadores (Ventas, Margen e Inventario) por
     Compañía.
   • Analizar la evolución histórica por Compañía.
   • Disponer de una visión puntual e histórica por Compañía.
Industria (IV)

Objetivos Operativos (b)

Planificar para el Futuro
• Incorporar otras necesidades de futuro:
   • Work In Progress.
   • Compras.
   • Costes de Producción.
   • Costes de Mano de Obra.
   • Preparar el camino a una Migración a un
    Sistema Común. ¿SAP Quizás?
Industria (V)

Herramientas

• DW en Hosting en un Datacenter, basado en una
  solución OLAP-DB
• Hipercubo principal con codificación propia de
  artículos.
• Hipercubos específicos por compañía, preparados en
  cascada del principal.
• Solución a medida para la capa de presentación,
  combinada con Microstrategy y Cristal Reports para las
  partes de análisis y reportes.
Industria (VI)

Técnicamente...

• 1 Jefe de Proyecto, 2 Consultores dedicados
  Full Time al proyecto durante el primer año de
  vida.
• La parte más compleja del sistema es la carga
  de datos.
• El segundo elemento más complejo es el
  Traductor de Códigos. Se trasladan las reglas
  de negocio al DW.
Industria (VII)

Lecciones Aprendidas
• Un proyecto sin el soporte de la Dirección del grupo es un
  proyecto condenado al fracaso.
• Garantizar la limpieza de los datos en origen elimina la mayor
  parte de los errores en la entrega de información al usuario.
• No disponer de reglas de negocio comunes aumenta en un grado
  la complejidad del proyecto (y los desarrollos a medida en las
  ETL).
• La seguridad es un factor, pero no siempre es crítico.
• Cuando los usuarios pertenecen a franjas horarias radicalmente
  distintas, es necesario planificar en Alta Disponibilidad.
• Alta disponibilidad = 1 cero más en la complejidad del proyecto.
• Soporte a los Usuarios desde el día de arranque en pruebas. Un
  factor clave en el éxito del proyecto.
• Establecer puntos de entrega claros, bien documentados y
  aceptados por todas las partes. La gestión de proyecto es crítica.
Gestión de Fraudes en Medios de Pago (I)

Entorno

• Millones de Transacciones diarias.
• La Corporación extendida: Bancos, Emisores de
  Tarjetas, Gestores de Medios de Pago, Portales,
  Detallistas, Empresas…
• Distintas soluciones, pero un objetivo común.
  Evitar el fraude y supervisar la actividad de los
  defraudadores.
• Actualmente, se estima que la probabilidad de
  fraude en medios de pago es aproximadamente el
  0,2%.
Gestión de Fraudes en Medios de Pago (II)

Visión del Proyecto

• Hacer lo indecible para combatir la lacra de los
  fraudes con medios de pago.
• Englobar el proyecto dentro de los objetivos
  globales de gestión de medios de pago.
• Se extremadamente rápido en la respuesta, en
  particular, gestionar alarmas y avisos de manera
  proactiva.
• Soluciones extremadamente flexibles: no nos
  olvidemos que este es un problema clásico de la
  espada contra el escudo. A la larga, la espada
  siempre rompe el escudo.
Gestión de Fraudes en Medios de Pago (III)

Objetivos Operativos
• Un objetivo principal: evitar el fraude.
• Objetivo secundario: si este se produce, contenerlo.
• Comunicar y compartir inmediatamente cuando se detecte un
  caso anómalo de fraude (un nuevo método).
• No compartir con la competencia las informaciones de negocio de
  las transacciones.
• Reducir al máximo los “falsos positivos”, pero recordando que es
  mejor bloquear un pago “bueno” que dejar pasar un pago “malo”.
• Las técnicas y herramientas utilizadas deben ser eficientes desde
  el punto de vista de coste.
• Evitar que el gran público se “asuste” y deje de usar los medios de
  pago.
• Garantizar la confidencialidad bancaria.
Gestión de Fraudes en Medios de Pago (V)

Metodología

• Cada entidad de Medios de Pago anota las transacciones
  de sus usuarios en hipercubos. Millones de transacciones
  por día.
• Estos hipercubos permiten crear “patrones de compra”.
  Modelos sobre la actuación de los compradores. Horarios,
  tipo de transacción, lugares, valor, tipo de servicio adquirido,
  etc.
• Las correlaciones en los distintos patrones de compra,
  podemos determinar los modelos de compra real versus
  compras fraudulentas.
• Se utilizan herramientas de Data Mining avanzado para
  crear, analizar y gestar los patrones.
• Por último, el sistema avisa de posibles tentativos de fraude,
  bloquea la tarjeta y avisa a un operador.
Gestión de Fraudes en Medios de Pago (VI)

Lecciones Aprendidas

• Los modelos de fraude deben ser compartidos con las
  diversas entidades bancarias. La unión hace la fuerza.
• El coste de mantener a raya el fraude en medios de pago
  está en línea con el monto de las pérdidas. Optimizar
  costes sigue siendo una prioridad.
• Los modelos de compra pueden ser analizados para
  determinar qué perfil de comprador compra qué, cuando y
  donde.
   • Esta información es Extremadamente valiosa, y una vez
     agregada, tiene valor comercial.

• La realidad es compleja de gestionar, y hay defraudadores
  que siguen estando un paso delante nuestro.
Portal de Comercio en Internet (I)

Entorno

• Portal comercial.
• Productos y Servicios, ofrecidos on-line a miles de
  clientes en todo el mundo.
• Los Productos y Servicios son rentables, pero no
  es posible ver una regla clara que asocia Producto
  y Rentabilidad.
• La compañía busca maneras de maximizar la
  rentabilidad de sus inversiones, y al mismo tiempo
  saturar el portal con productos rentables.
Portal de Comercio en Internet (II)

Visión del Proyecto

• Buscar los indicadores clave que determinan la
  rentabilidad de los productos, no solo los
  indicadores de rentabilidad pura y dura.
• El problema no reside en saber la rentabilidad
  de los productos ya existentes.
• Sino cómo evaluar las tendencias de mercado,
  y qué elementos “accesorios” hacen que un
  producto sea más atractivo y genere un mayor
  volumen de beneficios.
Portal de Comercio en Internet (III)

Evolución: el modelo de datos NO cambia.

• Ya disponemos de las informaciones
  necesarias.
• “Solo” cambia el método de tratar la
  información     para    convertirla   en
  conocimiento.
• El uso intensivo de Data Mining es clave
  para mejorar el margen de beneficio.
Portal de Comercio en Internet (IV)

Datos en origen (I) – El Log del Servidor
• Un ejemplo:
   123.123.123.123        -      -     [12/Feb/2009:18:34:52       -0500]       quot;GET      /elfuturo/      HTTP/1.1quot;         200     15320
   quot;http://www.google.es/search?q=qué+es+business+intelligence&hl=es&lr=2&start=10&sa=Nquot; Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1;
   GTB6; .NET CLR 1.1.4322; .NET CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648)

• ¿Qué quiere decir?
     123.124.125.126: La dirección IP.
   •
     -: El nombre del usuario remoto.
   •
     -: Su usuario de red.
   •
     [12/Feb/2009:18:34:52 +0100]: Fecha, Hora, Franja horaria del usuario.
   •
     “GET /elfuturo/ HTTP/1.1”: La petición en sí. El enlace físico a la página que el
   •
     usuario accede.
   • 200: El resultado de la petición.
   • 15320: el tamaño, en bytes, de lo que el servidor ha enviado al peticionario.
   • quot;http://www.google.es/search?q=qué+es+business+intelligence&hl=es&lr=2&s
     tart=10&sa=Nquot;: Desde dónde se accede, quien ha enviado el usuario a /elfuturo/
       Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; GTB6; .NET CLR 1.1.4322; .NET
   •
       CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648): Id
       del navegador.
Portal de Comercio en Internet (V)


Proceso a toro pasado – informes y análisis
                                                          ?
                                                         ??
                                     Análisis de
                                      Negocio                ?
              Cleanse


                                   Rendimiento de
                              DW    los Productos
    Combine



                        ETL




                                                             ?
                                     Reporting
                                                         ?
                                        ¿Riesgos?


                                   Provisión de Nuevos
                                        Productos
Portal de Comercio en Internet (VI)


Proceso en línea – Minería de datos, relaciones
                            Herramientas de Data Mining
                                                                        Propuestas de
                                                                           Cambio
             Agregación            Optimización   Deducciones


            Cleanse




  Combine




                                                    Análisis de
                      ETL



                                       DW           Tendencias



                                                  Provisión de Nuevos
                                                       Productos
Portal de Comercio en Internet (V)

Lecciones Aprendidas

• La más importante. Siempre hay espacio para la innovación.
• Las nuevas ideas siempre son rentables. Simplemente, hay
  unas más que otras.
• La equivocación es sana. La próxima vez lo haces mejor.
• Buscar los resultados espectaculares a corto plazo,
  especialmente en Data Mining, puede ser contraproducente.
  Mejor desarrollar los proyectos paso a paso, y gestionar con
  calma la evolución.
• Los datos de base ya están disponibles, hay que mirarlos
  con ojos distintos
Automoción (I)

Entorno

• Fabricante Mundial de        Automoción   de
  Reconocido Prestigio.
• Líder en su Sector.
• 520 Segmentos Operativos.
  • 13 Modelos de vehículos.
  • 5 Plafones.
  • 2 Tipos de motor.
  • 4 Regiones de Ventas.
Automoción (II)

Visión

• Reducir los costes operativos del grupo.
• Reforzar el control de gestión en toda la
  cadena de valor.
• Reemplazar los sistemas tradicionales de
  planificación.
• Mejorar la percepción y el entendimiento de
  nuestros clientes.
• Permear el uso del Data Mining a todos los
  aspectos de la compañía.
Automoción (III)

Objetivos Operativos

•   Garantías.
•   Detección de Fraudes.
•   Diagnóstico de Fallos.
•   Detección de Anomalías.
•   Captación de Clientes.
•   Retención de Clientes.
•   Planificación de las Inversiones.
•   Calificación de los Usuarios.
•   Conducción Predictiva.
Automoción (IV)


Diagnóstico de Fallos y Detección de Anomalías

• Diagnóstico    de    fallos    en   los    diversos
  concesionarios.
• Desviaciones significativas respecto a los modelos
  definidos en preindustrialización disparan las
  alarmas.
• El uso de Data Mining permite reducir el tiempo de
  detección de las anomalías y reaccionar frente al
  mercado de manera proactiva.
• El mismo proyecto se combina con la detección de
  fraudes en concesionarios.
Automoción (V)

Lecciones Aprendidas

• Los proyectos de minería de datos siguen siendo,
  hasta cierto punto, un arte más que una ciencia.
  Pero eso no los convierte en menos rentables.
• Modelar sobre el 90% de los datos, y validar sobre
  el 10% restante. Clave para saber si vamos por
  buen camino.
• La Conclusión: Buscar un equilibrio entre el
  método que mejor se adapta a los datos en
  análisis y cuan complicado debe ser el modelo.
Intermediación en Internet (I)

Entorno

• Empresa de Intermediación de Pagos en
  Internet.
• Garantía de Confidencialidad, tanto hacia el
  Proveedor de Servicios como hacia el
  Consumidor.
• El Valor añadido hacia el Proveedor: Maximizar
  la capacidad de margen de productos mediante
  Cross Selling y maximizar el valor de los
  productos en venta.
Intermediación en Internet (II)

Visión

• Aumentar el facturado de la empresa generando
  mayor valor añadido para los Proveedores de
  Servicios.
• Facilitar la segmentación de mercado. Lo que
  funciona en un sitio y a unas horas y para un rango
  de consumidores no tiene porqué funcionar en otro
  segmento.
• La información que necesitamos ya está
  disponible. Lo que sí necesitamos es generar el
  conocimiento.
Intermediación en Internet (III)

Herramientas


• Se mantiene y refina el uso del Data
  Warehouse Corporativo.
• Incorporación de herramientas de Business
  Intelligence Avanzado y Data Mining.
• Rediseño integral del CMS para incorporar de
  manera transparente los resultados de los
  análisis de BI.
Intermediación en Internet (IV)

Lecciones Aprendidas

• Planificar correctamente el proyecto y sus
  objetivos. Factor clave en determinar el éxito.
• Data Mining para determinar patrones y modelos.
  Extremadamente útil para garantizar el éxito de
  nuestro proyecto.
• El Data Mining puede ser extremadamente
  complejo. Los modelos matemáticos requieren de
  un profundo conocimiento de las herramientas
  utilizadas. Pero esa complejidad es propia de la
  herramienta. El resultado no tiene porqué serlo.
En resumen

• La definición de qué es Business Intelligence es muy amplia, y a
  veces muy confusa.
• Business Intelligence es muy útil, pero también es complejo y ofrece
  muchas posibilidades.
• La planificáción es esencial, es muy fácil pillarse los dedos.
• Usar Business Intelligence para reportistica y es matar moscas a
  cañonazos. Podemos hacer mucho más.
• Asegurar la calidad de los datos es clave para tener buenos
  resultados.
• Formación y Transmisión de conocimientos al usuario. Otro factor
  clave para el éxito de un proyecto de BI.
• La información está ya disponible. Necesitamos BI Avanzado para
  convertirla en conocimiento.
• Cuando se acude a Data Mining, es prudente buscar el equilibrio
  entre el modelo y el resultado. Los modelos estadísticos pueden ser
  extramadamente complejos.
• Meter todo en el Data Warehouse no tiene sentido, pero es bueno
  planificar para el futuro.
Contacto

Más contenido relacionado

La actualidad más candente

Taller de diagramacion de modelos de negocio con flujo de caja
Taller de diagramacion de modelos de negocio con flujo de cajaTaller de diagramacion de modelos de negocio con flujo de caja
Taller de diagramacion de modelos de negocio con flujo de caja
HubBOG Accelerator
 
Derly Diapositivas[1]
Derly Diapositivas[1]Derly Diapositivas[1]
Derly Diapositivas[1]
Derly ♥
 
Url 02 ind03planeacion de recursos
Url 02 ind03planeacion de recursosUrl 02 ind03planeacion de recursos
Url 02 ind03planeacion de recursos
Josue Reyes
 
La competencia en la era de la infomación
La competencia en la era de la infomaciónLa competencia en la era de la infomación
La competencia en la era de la infomación
falmendral
 
Sistemas Bussiness
Sistemas BussinessSistemas Bussiness
Sistemas Bussiness
Jmenendezm
 
Adysa group portal_empleado
Adysa group portal_empleadoAdysa group portal_empleado
Adysa group portal_empleado
Adysa Group
 
Presentacion EBS Customers Day 5 Hyperion
Presentacion EBS Customers Day 5 HyperionPresentacion EBS Customers Day 5 Hyperion
Presentacion EBS Customers Day 5 Hyperion
oracledirect
 

La actualidad más candente (20)

Inteligencia De Negocios Y Bpm
Inteligencia De Negocios Y BpmInteligencia De Negocios Y Bpm
Inteligencia De Negocios Y Bpm
 
Asignacion 6.
Asignacion 6.Asignacion 6.
Asignacion 6.
 
Inteligencia De Negocios Para La Competitividad Management Summit & Exp...
Inteligencia De Negocios Para La Competitividad   Management Summit & Exp...Inteligencia De Negocios Para La Competitividad   Management Summit & Exp...
Inteligencia De Negocios Para La Competitividad Management Summit & Exp...
 
Taller de diagramacion de modelos de negocio con flujo de caja
Taller de diagramacion de modelos de negocio con flujo de cajaTaller de diagramacion de modelos de negocio con flujo de caja
Taller de diagramacion de modelos de negocio con flujo de caja
 
Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1Curso : Inteligencia de Negocios - Dia1
Curso : Inteligencia de Negocios - Dia1
 
Visión general de Inteligencia de Negocios
Visión general de Inteligencia de NegociosVisión general de Inteligencia de Negocios
Visión general de Inteligencia de Negocios
 
business intelligence
business intelligencebusiness intelligence
business intelligence
 
Seminario De BI
Seminario De BISeminario De BI
Seminario De BI
 
ASales
ASalesASales
ASales
 
Derly Diapositivas[1]
Derly Diapositivas[1]Derly Diapositivas[1]
Derly Diapositivas[1]
 
Url 02 ind03planeacion de recursos
Url 02 ind03planeacion de recursosUrl 02 ind03planeacion de recursos
Url 02 ind03planeacion de recursos
 
Inteligencia de negocios la informacin como factor crtico de exito
Inteligencia de negocios la informacin como factor crtico de exitoInteligencia de negocios la informacin como factor crtico de exito
Inteligencia de negocios la informacin como factor crtico de exito
 
Eq22 presentacion final
Eq22 presentacion finalEq22 presentacion final
Eq22 presentacion final
 
La competencia en la era de la infomación
La competencia en la era de la infomaciónLa competencia en la era de la infomación
La competencia en la era de la infomación
 
Sistemas Bussiness
Sistemas BussinessSistemas Bussiness
Sistemas Bussiness
 
Presentación Itop Management Consulting 2009
Presentación Itop Management Consulting 2009Presentación Itop Management Consulting 2009
Presentación Itop Management Consulting 2009
 
Adysa group portal_empleado
Adysa group portal_empleadoAdysa group portal_empleado
Adysa group portal_empleado
 
Presentacion EBS Customers Day 5 Hyperion
Presentacion EBS Customers Day 5 HyperionPresentacion EBS Customers Day 5 Hyperion
Presentacion EBS Customers Day 5 Hyperion
 
Presentacion final equipo 28
Presentacion final equipo 28Presentacion final equipo 28
Presentacion final equipo 28
 
IBM Pulse Roadshow IDC Madrid'09
IBM Pulse Roadshow IDC Madrid'09IBM Pulse Roadshow IDC Madrid'09
IBM Pulse Roadshow IDC Madrid'09
 

Destacado

Destacado (9)

Jordi puigneró idigital-presentacio-smartcat
Jordi puigneró   idigital-presentacio-smartcatJordi puigneró   idigital-presentacio-smartcat
Jordi puigneró idigital-presentacio-smartcat
 
Gemma vallet webinar_socialmaster_jul2015
Gemma vallet webinar_socialmaster_jul2015Gemma vallet webinar_socialmaster_jul2015
Gemma vallet webinar_socialmaster_jul2015
 
Miel de agave
Miel de agaveMiel de agave
Miel de agave
 
Estrategia smart city ajuntament bcn - la-salle_bcn
Estrategia smart city   ajuntament bcn - la-salle_bcnEstrategia smart city   ajuntament bcn - la-salle_bcn
Estrategia smart city ajuntament bcn - la-salle_bcn
 
PROTOTIP D’EDIFICI AUTOSUFICIENT A TORRE BARÓ
PROTOTIP D’EDIFICI AUTOSUFICIENT A TORRE BARÓPROTOTIP D’EDIFICI AUTOSUFICIENT A TORRE BARÓ
PROTOTIP D’EDIFICI AUTOSUFICIENT A TORRE BARÓ
 
Trabajo final idea de empresa
Trabajo final   idea de empresaTrabajo final   idea de empresa
Trabajo final idea de empresa
 
PRESENTACION POWER POINT
PRESENTACION POWER POINT PRESENTACION POWER POINT
PRESENTACION POWER POINT
 
Marketing Technology, The Next Big Thing by Lluís Font @lluisfont
Marketing Technology, The Next Big Thing by Lluís Font @lluisfontMarketing Technology, The Next Big Thing by Lluís Font @lluisfont
Marketing Technology, The Next Big Thing by Lluís Font @lluisfont
 
Nuevas tecnologías aplicadas al marketing en retail, Santi Sánchez, La Salle-URL
Nuevas tecnologías aplicadas al marketing en retail, Santi Sánchez, La Salle-URLNuevas tecnologías aplicadas al marketing en retail, Santi Sánchez, La Salle-URL
Nuevas tecnologías aplicadas al marketing en retail, Santi Sánchez, La Salle-URL
 

Similar a SDG 24-03-09 Conferencia Presentacion

1 t218162dw t_inteligencianegocios
1 t218162dw t_inteligencianegocios1 t218162dw t_inteligencianegocios
1 t218162dw t_inteligencianegocios
Julio Pari
 
Inteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouseInteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouse
Julio Pari
 
Adysa Group Corporativa
Adysa Group CorporativaAdysa Group Corporativa
Adysa Group Corporativa
Adysa Group
 
Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP
Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP  Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP
Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP
proyectodilo
 
Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009
Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009
Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009
Alejandro Gonz
 
Presentación corporativa VASS
Presentación corporativa VASSPresentación corporativa VASS
Presentación corporativa VASS
carolinavass
 
Erpppt 090424025349-phpapp01
Erpppt 090424025349-phpapp01Erpppt 090424025349-phpapp01
Erpppt 090424025349-phpapp01
Fede Cano
 
[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...
[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...
[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...
IBMSSA
 

Similar a SDG 24-03-09 Conferencia Presentacion (20)

Inteligencia De Negocios - Rojas Figueroa Erick
Inteligencia De Negocios - Rojas Figueroa ErickInteligencia De Negocios - Rojas Figueroa Erick
Inteligencia De Negocios - Rojas Figueroa Erick
 
1 t218162dw t_inteligencianegocios
1 t218162dw t_inteligencianegocios1 t218162dw t_inteligencianegocios
1 t218162dw t_inteligencianegocios
 
Inteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouseInteligencia de Negocios - FISI - UNMSM - DataWareHouse
Inteligencia de Negocios - FISI - UNMSM - DataWareHouse
 
ERP PPT
ERP PPTERP PPT
ERP PPT
 
Adysa Group Corporativa
Adysa Group CorporativaAdysa Group Corporativa
Adysa Group Corporativa
 
Dw ruiz-navarro-huaquin-mera
Dw ruiz-navarro-huaquin-meraDw ruiz-navarro-huaquin-mera
Dw ruiz-navarro-huaquin-mera
 
Optimice la performance de su cadena de suministro
Optimice la performance de su cadena de suministroOptimice la performance de su cadena de suministro
Optimice la performance de su cadena de suministro
 
Soluciones Servicios Atlas
Soluciones Servicios AtlasSoluciones Servicios Atlas
Soluciones Servicios Atlas
 
Presentacion de Valor ROMTI
Presentacion de Valor ROMTIPresentacion de Valor ROMTI
Presentacion de Valor ROMTI
 
Modelo e-business
Modelo e-businessModelo e-business
Modelo e-business
 
4.Ifc Neteris
4.Ifc Neteris4.Ifc Neteris
4.Ifc Neteris
 
Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP
Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP  Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP
Caso de Exito Proyecto DILO - Gomera Hostel - Implementación de ERP
 
Business intelligence (BI)
Business intelligence (BI)Business intelligence (BI)
Business intelligence (BI)
 
Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009
Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009
Articulo Alejandro Gonzalez AUSAPE España Noviembre 2009
 
Presentación corporativa VASS
Presentación corporativa VASSPresentación corporativa VASS
Presentación corporativa VASS
 
Erpppt 090424025349-phpapp01
Erpppt 090424025349-phpapp01Erpppt 090424025349-phpapp01
Erpppt 090424025349-phpapp01
 
Corporativa Vass Octubre 2011
Corporativa Vass Octubre  2011Corporativa Vass Octubre  2011
Corporativa Vass Octubre 2011
 
PresentacióN Corporativa Mayo 2012
PresentacióN Corporativa Mayo 2012PresentacióN Corporativa Mayo 2012
PresentacióN Corporativa Mayo 2012
 
Webinar Inteligencia de Negocios
Webinar Inteligencia de NegociosWebinar Inteligencia de Negocios
Webinar Inteligencia de Negocios
 
[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...
[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...
[Salta] Facilitando la Innovación en un mundo complejo | Portafolio Software ...
 

Más de La Salle BCN

Más de La Salle BCN (20)

Ponencia Smashtech sobre Smart Cities
Ponencia Smashtech sobre Smart CitiesPonencia Smashtech sobre Smart Cities
Ponencia Smashtech sobre Smart Cities
 
¿Cómo sacar el máximo partido a Linkedin?
¿Cómo sacar el máximo partido a Linkedin? ¿Cómo sacar el máximo partido a Linkedin?
¿Cómo sacar el máximo partido a Linkedin?
 
Cómo exprimir Google Analytics, por Oriol Farré (La Salle Campus Barcelona)
Cómo exprimir Google Analytics, por Oriol Farré (La Salle Campus Barcelona)Cómo exprimir Google Analytics, por Oriol Farré (La Salle Campus Barcelona)
Cómo exprimir Google Analytics, por Oriol Farré (La Salle Campus Barcelona)
 
Ponència: "Smart Cities or Smart Citizens" per Ramon Martín de Pozuelo (La Sa...
Ponència: "Smart Cities or Smart Citizens" per Ramon Martín de Pozuelo (La Sa...Ponència: "Smart Cities or Smart Citizens" per Ramon Martín de Pozuelo (La Sa...
Ponència: "Smart Cities or Smart Citizens" per Ramon Martín de Pozuelo (La Sa...
 
Vender en el siglo XXI - Conferencia de Luis Hernández
Vender en el siglo XXI - Conferencia de Luis HernándezVender en el siglo XXI - Conferencia de Luis Hernández
Vender en el siglo XXI - Conferencia de Luis Hernández
 
Vender en el siglo XXI - Conferencia Jordi Garrido
Vender en el siglo XXI - Conferencia Jordi GarridoVender en el siglo XXI - Conferencia Jordi Garrido
Vender en el siglo XXI - Conferencia Jordi Garrido
 
Vender en el siglo XXI - Conferencia Joaquim Giménez
Vender en el siglo XXI - Conferencia Joaquim GiménezVender en el siglo XXI - Conferencia Joaquim Giménez
Vender en el siglo XXI - Conferencia Joaquim Giménez
 
Vender en el siglo XXI - Conferencia Héctor Martín
Vender en el siglo XXI - Conferencia Héctor MartínVender en el siglo XXI - Conferencia Héctor Martín
Vender en el siglo XXI - Conferencia Héctor Martín
 
Impacto de la formación en la empleabilidad y la retribución (ICSA y La Salle...
Impacto de la formación en la empleabilidad y la retribución (ICSA y La Salle...Impacto de la formación en la empleabilidad y la retribución (ICSA y La Salle...
Impacto de la formación en la empleabilidad y la retribución (ICSA y La Salle...
 
L'estratègia Smart City de l'Ajuntament de Barcelona
L'estratègia Smart City de l'Ajuntament de BarcelonaL'estratègia Smart City de l'Ajuntament de Barcelona
L'estratègia Smart City de l'Ajuntament de Barcelona
 
Tendencias y futuro del e-commerce - Santiago Sánchez, La Salle BCN
Tendencias y futuro del e-commerce - Santiago Sánchez, La Salle BCNTendencias y futuro del e-commerce - Santiago Sánchez, La Salle BCN
Tendencias y futuro del e-commerce - Santiago Sánchez, La Salle BCN
 
La Salle Breakfast: Cómo convertir una idea en negocio
La Salle Breakfast: Cómo convertir una idea en negocioLa Salle Breakfast: Cómo convertir una idea en negocio
La Salle Breakfast: Cómo convertir una idea en negocio
 
¿En qué consiste el Certificado de Rehabilitación Energética de los Edificios?
 ¿En qué consiste el Certificado de Rehabilitación Energética de los Edificios? ¿En qué consiste el Certificado de Rehabilitación Energética de los Edificios?
¿En qué consiste el Certificado de Rehabilitación Energética de los Edificios?
 
La Salle Breakfast: "Estímulos fiscales a la emprendeduría y a la I+D+i"
La Salle Breakfast: "Estímulos fiscales a la emprendeduría y a la I+D+i"La Salle Breakfast: "Estímulos fiscales a la emprendeduría y a la I+D+i"
La Salle Breakfast: "Estímulos fiscales a la emprendeduría y a la I+D+i"
 
Examen al sector IT: informe de niveles retributivos
Examen al sector IT: informe de niveles retributivosExamen al sector IT: informe de niveles retributivos
Examen al sector IT: informe de niveles retributivos
 
Raimon samso sacar lo mejor de mi
Raimon samso   sacar lo mejor de miRaimon samso   sacar lo mejor de mi
Raimon samso sacar lo mejor de mi
 
Juan antonio corbalan personas cultura organizacion
Juan antonio corbalan   personas cultura organizacionJuan antonio corbalan   personas cultura organizacion
Juan antonio corbalan personas cultura organizacion
 
Fernando trias de bes hacer que pase la innovacion-webversion
Fernando trias de bes   hacer que pase la innovacion-webversionFernando trias de bes   hacer que pase la innovacion-webversion
Fernando trias de bes hacer que pase la innovacion-webversion
 
Alfons cornella vision futuro
Alfons cornella   vision futuroAlfons cornella   vision futuro
Alfons cornella vision futuro
 
Gestionar personas en época de crisis. Open Class de Juan Arza, profesor en e...
Gestionar personas en época de crisis. Open Class de Juan Arza, profesor en e...Gestionar personas en época de crisis. Open Class de Juan Arza, profesor en e...
Gestionar personas en época de crisis. Open Class de Juan Arza, profesor en e...
 

Último

Chat GPT para la educación Latinoamerica
Chat GPT para la educación LatinoamericaChat GPT para la educación Latinoamerica
Chat GPT para la educación Latinoamerica
EdwinGarca59
 
editorial de informática de los sueños.docx
editorial de informática de los sueños.docxeditorial de informática de los sueños.docx
editorial de informática de los sueños.docx
ssusere34b451
 

Último (20)

Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024Ejercicio 1 periodo 2 de Tecnología 2024
Ejercicio 1 periodo 2 de Tecnología 2024
 
el uso de las TIC en la vida cotidiana.pptx
el uso de las TIC en la vida cotidiana.pptxel uso de las TIC en la vida cotidiana.pptx
el uso de las TIC en la vida cotidiana.pptx
 
Redes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdfRedes Neuronales profundas convolucionales CNN ́s-1.pdf
Redes Neuronales profundas convolucionales CNN ́s-1.pdf
 
BUSCADORES DE INTERNET (Universidad de Sonora).
BUSCADORES DE INTERNET (Universidad de Sonora).BUSCADORES DE INTERNET (Universidad de Sonora).
BUSCADORES DE INTERNET (Universidad de Sonora).
 
innovacion banking & warehouse 2024 blog
innovacion banking & warehouse 2024 bloginnovacion banking & warehouse 2024 blog
innovacion banking & warehouse 2024 blog
 
De Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptxDe Olmos Santiago_Dolores _ M1S3AI6.pptx
De Olmos Santiago_Dolores _ M1S3AI6.pptx
 
Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.Actividad 6/Las TIC en la Vida Cotidiana.
Actividad 6/Las TIC en la Vida Cotidiana.
 
avancestecnologicossigloveintiunoprofetengohambreayuda
avancestecnologicossigloveintiunoprofetengohambreayudaavancestecnologicossigloveintiunoprofetengohambreayuda
avancestecnologicossigloveintiunoprofetengohambreayuda
 
Desarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - EstradaDesarrollo del Dominio del Internet - Estrada
Desarrollo del Dominio del Internet - Estrada
 
Introduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptxIntroduccion-a-la-electronica-industrial.pptx
Introduccion-a-la-electronica-industrial.pptx
 
herramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el temaherramientas web para estudiantes interesados en el tema
herramientas web para estudiantes interesados en el tema
 
Uso de las TIC en la vida cotidiana .
Uso de las TIC en la vida cotidiana       .Uso de las TIC en la vida cotidiana       .
Uso de las TIC en la vida cotidiana .
 
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiCVelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
VelderrainPerez_Paola_M1C1G63-097.pptx. LAS TiC
 
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
PRÁCTICA Nº 4: “Análisis de secuencias del ADN con el software BioEdit y uso ...
 
Electricidad Libro compendio de temas estudiados.docx
Electricidad Libro compendio de temas estudiados.docxElectricidad Libro compendio de temas estudiados.docx
Electricidad Libro compendio de temas estudiados.docx
 
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUALJORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
JORNADA INTELIGENCIA ARTIFICIAL Y REALIDAD VIRTUAL
 
Chat GPT para la educación Latinoamerica
Chat GPT para la educación LatinoamericaChat GPT para la educación Latinoamerica
Chat GPT para la educación Latinoamerica
 
editorial de informática de los sueños.docx
editorial de informática de los sueños.docxeditorial de informática de los sueños.docx
editorial de informática de los sueños.docx
 
Tipos de datos en Microsoft Access de Base de Datos
Tipos de datos en Microsoft Access de Base de DatosTipos de datos en Microsoft Access de Base de Datos
Tipos de datos en Microsoft Access de Base de Datos
 
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptxTipos de Datos de Microsoft Access-JOEL GARCIA.pptx
Tipos de Datos de Microsoft Access-JOEL GARCIA.pptx
 

SDG 24-03-09 Conferencia Presentacion

  • 1. Convertir Información en Conocimiento Business Intelligence Un distinto punto de vista
  • 2. Qué hay en esta presentación Cuña comercial. Business Intelligence: • qué es • quien lo usa • objetivos. • Fabricantes • Posicionamiento • Historia • como se usa • qué nos depara el futuro. Qué hay que evitar. Algunos casos reales. Preguntas y respuestas.
  • 3. Infracom - Soluciones Verticales y Kits FOCUS Manufacturing FOCUS Shipping Para empresas de producción discreta. Para Operadores Logísticos. Incluye las prácticas de Gestión Integral de gestión de pedidos, Transporte Marítimo, Terrestre, Aéreo y servicios. producción, facturación y compras. Gestiona de manera específica las problemáticas de Master & House Bill of Lading, Arriendo de vehículos, Canales Logísticos, Puertos y Aeropuertos, Grupage, FOCUS Engineering etc. Para empresas que producen por proyecto. FOCUS Building Permite la gestión integral de proyectos, ingeniería, provisión, gestión y facturación Concebido para empresas que trabajan en el mundo según las necesidades específicas. de la construcción. Gestiona de manera integral la provisión, logística, FOCUS Fashion distribución y gestión de recursos. Específicamente desarrollado para el mercado de la moda. Textil, Complementos, calzado. Gestiona de manera integral todos los aspectos del sector. NeaR CAD KIT Integración de los departamentos de Ingeniería con Preindustrialización, Industrialización, Proceso, Compras. Del Diseño a la Lista de Materiales, de manera integrada. NeaR Factory KIT NeaR Warehouse KIT Agilidad en la gestión de planta, gestión de Para Implantaciones SAP que necesiten de una consumos, planificación de producción y solución rápida, eficaz y cómoda en almacenes gestión de recursos internos y externos, automatizados, con o sin radiofrecuencia, gestión de procesos externalizados, ... recorrido óptimo de almacén, etc.
  • 4. ¿Quien es Infracom? Empresa de Consultoría SAP de origen Italiano, Constituida en 1999 por la asociación de diversos grupos empresariales e industriales. Partner SAP en Soluciones, Servicios y Hosting. 550 Consultores SAP en toda Europa, experiencia contrastada en Despliegues Mundiales. 1,500 empleados, +90 clientes internacionales. 5 soluciones verticales, 3 kits de funcionalidad específica. 3 data centers de alta disponibilidad, redundancia en comunicaciones, 10,000Km de fibra propia y acuerdos con los principales operadores a nivel mundial. Centros de excelencia territoriales, no globales.
  • 5. Business Intelligence según... IBM: Es un Concepto: Convertir Datos en Información Útil usando un conjunto de herramientas y tecnologías. • Los Indicadores de Negocio son el resultado de la Consolidación de datos diversos (bases de datos, hojas de cálculo, logs, datos geopolíticos, heterogéneos, …) y permiten a los analistas gestionar el cambio y generar mayores beneficios. Jeróme Bergerou (ACCURACAST): Es un Proceso: Usar los datos de manera razonada para gestionar de manera eficaz el negocio. • Provisión de datos, Filtrar y Organizar, Analizar y Determinar la situación, generando escenarios y analizando riesgos para tomar decisiones razonadas. SIEBEL: Es un Conjunto de Herramientas: Mediante la Integración y Transformación de datos heterogéneos en Indicadores Clave, los Directivos, Ejecutivos y Empleados pueden tomar decisiones que mejorarán el rendimiento del negocio. COGNOS: Es la Monitorización de Sucesos, Rendimiento y Operaciones dentro de la compañía buscando aquellos hechos Clave para el Cambio. Una vez que estos hechos se producen, el Sistema debe dirigir la información adecuada a las personas según su Rol en la corporación. Steve Hoberman (Microsoft Office Sharepoint Server – MOSS): Procesos, Tecnologías y Herramientas necesarias para convertir Datos en Información, Información en Conocimiento, Conocimiento en Planes para Gestionar de manera eficaz las Acciones necesarias para el Negocio. • BI agrupa el Data Warehouse, Herramientas de Análisis y Gestión de Contenido y Conocimiento. ORACLE: La Recogida de Información para el Análisis y el Pronóstico del Futuro. De manera sistemática, permite gestionar grandes volúmenes de datos para ofrecer capacidad de decisión razonada y facilitada por información fiable. Dave Menninger (INFORSENSE): “Business Intelligence es la gestión de lo conocido y lo desconocido. [...] Provisión, Consolidación, Ordenación y Preparación de Información para Entender y Actuar sobre la base de Indicadores Clave que definen el rendimiento de la Corporación”.
  • 6. Entonces... ¿Qué es Business Intelligence? Es un SISTEMA y un PROCESO. La definición más común de un BI es: “Sistema de almacenamiento de Datos Corporativos y sus herramientas de Análisis”. Otra definición es la de “Proceso de Información Analítica de Negocio”. Yo personalmente prefiero considerarlo como “una hoja en blanco y un bolígrafo, potencialmente útiles”.
  • 7. BI ¿Porqué es un SISTEMA y un PROCESO? KPI Visión Analítica OLAP Data Mining ETL Informes Análisis de Gestión del Fuentes de Data Negocio Rendimiento Información Warehouse
  • 8. BI ¿Quién lo usa? 5% - Usuarios Técnicamente Avanzados 95% - Usuarios y Punto
  • 9. BI ¿Quién lo usa? (y II) ? Análisis Estratégico Plan Estratégico Data Warehouse Corporativo (y II) ! Análisis de Rendimiento Reporting Negocio Data Warehouse Corporativo ERP XML CRM ... DW DBRMS xFS
  • 10. ... Y quien lo sufre
  • 11. BI – Objetivos y Necesidades Disponer de una visión única y clara del negocio. Facilitar una base común para el análisis y poder tomar así decisiones. Disponer de datos consistentes con la operativa del negocio pero que no interfieren en el día a día. Separar los datos “útiles” de los “inútiles”. Disponer de datos históricos más allá de los límites de los sistemas transaccionales. Ser realmente de utilidad a quien lo utiliza
  • 12. BI – Objetivos y Necesidades (y II) Mejoras en la Capacidad de Estratégicos Decisión Optimización de los Planificar el Futuro Procesos de Negocio Analísis Qué habría pasado si... Tácticos Motivos que nos han llevado Rendimiento a... Recursos Tecnologias Ventas Operativos Humanos Información Marketing Operaciones Finanzas ...
  • 13. Un poco de historia Alertas Colaboración, Notificación en Procesos de base a Eventos Workflow Visualización Portales de Cuadros de Análisis Predictivo Información Mando Soluciones a Plantillas y Adaptabilidad de Scorecards medida Modelos de Datos Procesos Informes y ETL, Calidad de OLAP, Queries y Gestión del Ciclo Análisis de Estadísticas datos, “Data Data Mining de Vita de los DW Contenidos Impresos Cleansing” 1975-1989 1990-2004 2005-2020 Suites de BI y Automatización Automatización de Procesos diferidos Data Warehousing aplicaciones de Procesos de Procesos y en soporte papel analíticas Decisión (BPM) Inteligentes
  • 16. Estudios de posicionamiento - Referencias Consulta a Usuarios James Richardson Magic Quadrant + 350 compañías Customer Survey Se analizan12 indicadores clave Consulta a Usuarios Nigel Pendse + 1,900 compañiás de 60 paises 1,901 Companies Se analizan17 indicadores clave. Evaluación por expertos Evaluación por Expertos Kurt Schlegel - Bhavish Sood BI Platform Consulta a Usuarios Capabilities Se analizan 12 indicadores clave y se Rating Daan Van Beek - Norman Manley cruzan con 220 criterios de análisis. Se analizan +70 criterios clave Evaluación pr Expertos Cindi Howson Análsis de las herramientas en entornos reales. Se utilizan +100 criterios de análisis.
  • 17. Para qué usamos BI (y para qué deberíamos usarlo...) ¿Qué ha pasado? ¿Qué está pasando? ¿Porqué ha pasado? ¿Cuándo ha pasado? ¿Qué pasará? ¿Qué quiero que pase? ¿Creo en el Oráculo de Delfos?
  • 18. ¿Qué podemos hacer con BI? Informes, Estadísticas, Reportes... Analítica a hecho pasado. Documentarnos para el futuro. Alertas tempranas. Modelización del futuro. Usar la cabeza y no dejar que el sistema pueda tomar decisiones por nosotros.
  • 19. El Futuro de BI está aquí Business Intelligence Basado en... Distribución basada en... • Sucesos. • Data Warehouse. • Contenidos. • Analítica de Negocio. • Visualización. • Gestión de Rendimiento. • Movilidad. Integrado con... Decisión basada en... • Geo posicionamiento. • Modelos avanzados. • Fuentes Heterogéneas. • Correlación con datos no • En Tiempo Real. modelados. • Inteligencia Artificial.
  • 20. Una Pincelada de Data Mining (I) Data Mining es... Qué entra en juego El poder extraer información útil • Métodos Matemáticos. de grandes volúmenes de datos. • Algoritmos. • Inteligencia Artificial. Algoritmos I.A. Data Mining Métodos
  • 21. Una Pincelada de Data Mining (II) Sus objetivos Herramientas Predicción de resultados: Métodos directos: En función de los indicadores • Árboles de Decisión. actuales, determinar el • Funciones de Probabilidad. comportamiento de indicadores Métodos estadísticos. futuros. • Métodos Bayesianos. Descripción de la realidad: • Redes Neuronales. Encontrar patrones de • Validación Cruzada. comportamiento que nos interpretar la realidad. • …
  • 22. Los factores principales de FRACASO en un proyecto BI Confusión sobre quien ha de usar qué. Confusión sobre quien ha de saber qué. Eternizar los tiempos de implementación. Distribuir Demasiada información. Confundir Reporte con Análisis. Confundir Análisis con Capacidad de Decisión. No Identificar adecuadamente la información Realmente Útil. Querer Abarcar demasiado. Tener Diferentes Versiones de la Verdad. No involucrar al Usuario.
  • 23. Business Intelligence en el Mundo Real Los siguientes casos están basados en Proyectos reales. Algunos datos han sido modificados para proteger la privacidad de las empresas los han implementado. Estos cambios pueden contener errores no intencionados, que son responsabilidad única del autor de esta presentación. Administración Pública Servicios Corporativos Industria Medios de Pago Portal Comercial Automoción Servicios de Internet
  • 24. Administración Pública (I) Entorno • Ciudad de un poco menos de 1M habitantes. • Casi 3,000 Kmq. • 15,000 empleados públicos. • 2,000 MEUR de Budget operativo. • 500 MEUR de Budget para inversiones.
  • 25. Administración Pública (II) Visión del Proyecto • Sin incrementos en el gasto público. • Reducción de 75MEUR/Año en impuestos, a partir del 3er año. • Reducción de los gastos de infraestructura, sin reducciones evidentes en la calidad de servicio. • Acceso a la información desde cualquier punto. • El desarrollo tecnológico debe alinearse con el desarrollo de la ciudad.
  • 26. Administración Pública (III) Objetivos Operativos (a) • Gestión de aguas Análisis del margen de beneficio. • Análisis de la eficiacia operativa. • • Mejora medioambiental Análisis geográfico de la eficacia en medidas anticontaminación. • Análisis de la red de aguas para la calidad del agua. • • Planificación urbana Análisis del desarrollo urbano y la aplicación de infraestructura • combinados con datos geográficos. • Sistema de transporte público Análisis de la eficacia de la red urbana en términos de cumplimiento • de horarios y capacidad de viajeros.
  • 27. Administración Pública (IV) Objetivos Operativos (b) • Sistemas de emergencia • Análisis de eficacia de los servicios de emergencia en términos de tiempos. • Servicios urbanos. Parques y Jardines • Cursos de Natación, Patinaje y/o Deportes: ¿cual es más atractivo? • Recursos Humanos • Análisis de Nuevas Posiciones. • Análisis de Bajas. • Planificación de Sucesiones. • Presencia/Penetración de Sindicatos. • Determinación de Costes por Centros de Beneficio. • Preparar el camino para la Implementación de SAP HR. • Preparar el terreno para análisis de servicios en base demográfica/censal.
  • 28. Administración Pública (V) Herramientas • Carga directa de ERP y aplicaciones específicas de negocio al DW. • Enterprise Content Management (Sistema Gestión de Contenidos Corporativos) para la gestión de datos heterogéneos y posterior volcado al DW. • Distribución de Contenidos e Informes a través de portales de servicio.
  • 29. Administración Pública (VI) Técnicamente... • 150 Usuarios de BI. • Cognos como BI frontend. • Información disponible en el Portal del Usuario. • Distribución de Contenidos e Informes a través de Portales de Servicio.
  • 30. Administración Pública (VII) Lecciones Aprendidas • Datos de Calidad = Buenos resultados del BI. • Reglas de Negocio bien estructuradas e implementadas. Un factor crítico para disponer de Datos de Calidad. • Definir los Metadatos, un factor trascendental para recuperar la información a posteriori. • Establecer formalmente el ciclo de vida del DW = Un sistema de BI sólido. • Support Services para el Usuario. Muy Importante. Un Usuario con un buen servicio de soporte es un usuario proactivo. • Formación, formación y formación. Garantiza un arranque de proyecto de éxito.
  • 31. Servicios Corporativos (I) Entorno • Empresa de Servicios Horizontales de Recursos Humanos en SAP. • 30 Entidades Asociadas. • +/- 2,700 Trabajadores. • 15 Consultores de HR.
  • 32. Servicios Corporativos (II) Visión del Proyecto • Unificar los criterios de información estadística entre las diversas Asociadas. • Eliminar los desarrollos a medida por Asociada. • Mantener la Seguridad de la Información. Garantizar que ninguna Empresa Asociada pueda acceder a los datos de las otras. • Crear una Base Común de Información Agregada a todas las Asociadas para determinar tendencias del sector. • Acceso Seguro, pero sin grandes inversiones en Infraestructura.
  • 33. Servicios Corporativos (III) Objetivos Operativos • Gestión de Recursos Humanos. • Análisis de Carencias. • Análisis de Roles y Funciones versus Personal Contratado. • Preparar el camino para la implantación del Portal de Formación: • Elaborar análisis de formación por Empleado. • Cruzar datos con las requisitos de Organigrama. • Análisis de causas de ausencias, vertical por Entidad y Horizontal por Sector. • Agregar datos de Entidades fuera grupo (“la competencia”). • Preparar el camino para incorporar el Plan de Sucesiones. • Determinar Rotaciones de Personal por grupos de Edad y Zona Geográfica. ¿Causas?
  • 34. Servicios Corporativos (IV) Herramientas • Carga directa de SAP-HR. Activación de Cubos estándar en SAP BI y customización de cubos según necesidad de Entidad y Grupo. • Segundo DW de Grupo independiente del DW de Entidades. • Distribución de Contenidos e Informes a través de SAP Portal.
  • 35. Servicios Corporativos (V) Técnicamente... • 2 Key Users por Entidad Asociada. • 3 Consultores dedicados Full Time al proyecto durante el primer año de vida; 2 durante el segundo. • SAP BI como Frontend. • Information Push/Pull – Los Usuarios Recogen la Información.
  • 36. Servicios Corporativos (VI) Lecciones Aprendidas • Planificar la transición es necesario para disponer de una solución solida de BI. • “Porqué no lo hicimos antes”, o la resistencia del entorno cuesta dinero. • Seguridad, Seguridad, Seguridad. • “El diablo está en los detalles”. No hablamos lo suficiente con las Asociadas antes de diseñar el Almacén de Datos, y tuvimos que rehacer el trabajo. • Usar una fuente única de datos ayuda mucho. Tardamos más en resolver las cargas de datos heterogéneas que las de SAP. Proporcionalmente, el 90% de tiempo lo pasamos resolviendo problemas para datos que representaban menos del 5% del conjunto... Y que no pertenecían a SAP.
  • 37. Industria (I) Entorno • Grupo Multinacional, primero en ranking en su sector a nivel mundial. • Más de 40 compañías del grupo, 50% productivas, 50% comerciales. • Cada compañía dispone de un sistema de gestión propio y reglas de negocio propias. No existe política común de tecnologías de la información. • 70,000 Productos a catálogo, el 65% de los cuales de alto coste de mano de obra y bajo valor añadido. • 1,800 empleados a nivel mundial, 400 en oficinas. • 750 MEUR Facturado anual. • ¿El diablo hecho proyecto?
  • 38. Industria (II) Visión del Proyecto • Crear un Sistema de Información común para compartir datos de stock, ventas y margen operativo. • Mantener la independencia de cada compañía. En cualquier momento, el grupo puede decidir desprenderse de una compañía del grupo y esto debe poderse hacer sin interferir con la funcionalidad del grupo. • Interferir lo menos posible en las reglas de negocio de cada compañía. • En lo posible, hacerlo con soluciones “off-the-shelf” y en portal web.
  • 39. Industria (III) Objetivos Operativos • En General • Cada compañía, por motivos históricos, usa códigos de artículo propios para artículos comunes. Esto debe RESPETARSE en el Sistema de Información. Cada operador debe ser capaz de ver los códigos de artículo según su costumbre, sin importar a qué compañía del grupo pertenecen. • Inventario, Ventas y Margen • Disponer de una visión puntual (1 día operativo de retraso máx.) de los indicadores (Ventas, Margen e Inventario) por Compañía. • Analizar la evolución histórica por Compañía. • Disponer de una visión puntual e histórica por Compañía.
  • 40. Industria (IV) Objetivos Operativos (b) Planificar para el Futuro • Incorporar otras necesidades de futuro: • Work In Progress. • Compras. • Costes de Producción. • Costes de Mano de Obra. • Preparar el camino a una Migración a un Sistema Común. ¿SAP Quizás?
  • 41. Industria (V) Herramientas • DW en Hosting en un Datacenter, basado en una solución OLAP-DB • Hipercubo principal con codificación propia de artículos. • Hipercubos específicos por compañía, preparados en cascada del principal. • Solución a medida para la capa de presentación, combinada con Microstrategy y Cristal Reports para las partes de análisis y reportes.
  • 42. Industria (VI) Técnicamente... • 1 Jefe de Proyecto, 2 Consultores dedicados Full Time al proyecto durante el primer año de vida. • La parte más compleja del sistema es la carga de datos. • El segundo elemento más complejo es el Traductor de Códigos. Se trasladan las reglas de negocio al DW.
  • 43. Industria (VII) Lecciones Aprendidas • Un proyecto sin el soporte de la Dirección del grupo es un proyecto condenado al fracaso. • Garantizar la limpieza de los datos en origen elimina la mayor parte de los errores en la entrega de información al usuario. • No disponer de reglas de negocio comunes aumenta en un grado la complejidad del proyecto (y los desarrollos a medida en las ETL). • La seguridad es un factor, pero no siempre es crítico. • Cuando los usuarios pertenecen a franjas horarias radicalmente distintas, es necesario planificar en Alta Disponibilidad. • Alta disponibilidad = 1 cero más en la complejidad del proyecto. • Soporte a los Usuarios desde el día de arranque en pruebas. Un factor clave en el éxito del proyecto. • Establecer puntos de entrega claros, bien documentados y aceptados por todas las partes. La gestión de proyecto es crítica.
  • 44. Gestión de Fraudes en Medios de Pago (I) Entorno • Millones de Transacciones diarias. • La Corporación extendida: Bancos, Emisores de Tarjetas, Gestores de Medios de Pago, Portales, Detallistas, Empresas… • Distintas soluciones, pero un objetivo común. Evitar el fraude y supervisar la actividad de los defraudadores. • Actualmente, se estima que la probabilidad de fraude en medios de pago es aproximadamente el 0,2%.
  • 45. Gestión de Fraudes en Medios de Pago (II) Visión del Proyecto • Hacer lo indecible para combatir la lacra de los fraudes con medios de pago. • Englobar el proyecto dentro de los objetivos globales de gestión de medios de pago. • Se extremadamente rápido en la respuesta, en particular, gestionar alarmas y avisos de manera proactiva. • Soluciones extremadamente flexibles: no nos olvidemos que este es un problema clásico de la espada contra el escudo. A la larga, la espada siempre rompe el escudo.
  • 46. Gestión de Fraudes en Medios de Pago (III) Objetivos Operativos • Un objetivo principal: evitar el fraude. • Objetivo secundario: si este se produce, contenerlo. • Comunicar y compartir inmediatamente cuando se detecte un caso anómalo de fraude (un nuevo método). • No compartir con la competencia las informaciones de negocio de las transacciones. • Reducir al máximo los “falsos positivos”, pero recordando que es mejor bloquear un pago “bueno” que dejar pasar un pago “malo”. • Las técnicas y herramientas utilizadas deben ser eficientes desde el punto de vista de coste. • Evitar que el gran público se “asuste” y deje de usar los medios de pago. • Garantizar la confidencialidad bancaria.
  • 47. Gestión de Fraudes en Medios de Pago (V) Metodología • Cada entidad de Medios de Pago anota las transacciones de sus usuarios en hipercubos. Millones de transacciones por día. • Estos hipercubos permiten crear “patrones de compra”. Modelos sobre la actuación de los compradores. Horarios, tipo de transacción, lugares, valor, tipo de servicio adquirido, etc. • Las correlaciones en los distintos patrones de compra, podemos determinar los modelos de compra real versus compras fraudulentas. • Se utilizan herramientas de Data Mining avanzado para crear, analizar y gestar los patrones. • Por último, el sistema avisa de posibles tentativos de fraude, bloquea la tarjeta y avisa a un operador.
  • 48. Gestión de Fraudes en Medios de Pago (VI) Lecciones Aprendidas • Los modelos de fraude deben ser compartidos con las diversas entidades bancarias. La unión hace la fuerza. • El coste de mantener a raya el fraude en medios de pago está en línea con el monto de las pérdidas. Optimizar costes sigue siendo una prioridad. • Los modelos de compra pueden ser analizados para determinar qué perfil de comprador compra qué, cuando y donde. • Esta información es Extremadamente valiosa, y una vez agregada, tiene valor comercial. • La realidad es compleja de gestionar, y hay defraudadores que siguen estando un paso delante nuestro.
  • 49. Portal de Comercio en Internet (I) Entorno • Portal comercial. • Productos y Servicios, ofrecidos on-line a miles de clientes en todo el mundo. • Los Productos y Servicios son rentables, pero no es posible ver una regla clara que asocia Producto y Rentabilidad. • La compañía busca maneras de maximizar la rentabilidad de sus inversiones, y al mismo tiempo saturar el portal con productos rentables.
  • 50. Portal de Comercio en Internet (II) Visión del Proyecto • Buscar los indicadores clave que determinan la rentabilidad de los productos, no solo los indicadores de rentabilidad pura y dura. • El problema no reside en saber la rentabilidad de los productos ya existentes. • Sino cómo evaluar las tendencias de mercado, y qué elementos “accesorios” hacen que un producto sea más atractivo y genere un mayor volumen de beneficios.
  • 51. Portal de Comercio en Internet (III) Evolución: el modelo de datos NO cambia. • Ya disponemos de las informaciones necesarias. • “Solo” cambia el método de tratar la información para convertirla en conocimiento. • El uso intensivo de Data Mining es clave para mejorar el margen de beneficio.
  • 52. Portal de Comercio en Internet (IV) Datos en origen (I) – El Log del Servidor • Un ejemplo: 123.123.123.123 - - [12/Feb/2009:18:34:52 -0500] quot;GET /elfuturo/ HTTP/1.1quot; 200 15320 quot;http://www.google.es/search?q=qué+es+business+intelligence&hl=es&lr=2&start=10&sa=Nquot; Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; GTB6; .NET CLR 1.1.4322; .NET CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648) • ¿Qué quiere decir? 123.124.125.126: La dirección IP. • -: El nombre del usuario remoto. • -: Su usuario de red. • [12/Feb/2009:18:34:52 +0100]: Fecha, Hora, Franja horaria del usuario. • “GET /elfuturo/ HTTP/1.1”: La petición en sí. El enlace físico a la página que el • usuario accede. • 200: El resultado de la petición. • 15320: el tamaño, en bytes, de lo que el servidor ha enviado al peticionario. • quot;http://www.google.es/search?q=qué+es+business+intelligence&hl=es&lr=2&s tart=10&sa=Nquot;: Desde dónde se accede, quien ha enviado el usuario a /elfuturo/ Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; GTB6; .NET CLR 1.1.4322; .NET • CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648): Id del navegador.
  • 53. Portal de Comercio en Internet (V) Proceso a toro pasado – informes y análisis ? ?? Análisis de Negocio ? Cleanse Rendimiento de DW los Productos Combine ETL ? Reporting ? ¿Riesgos? Provisión de Nuevos Productos
  • 54. Portal de Comercio en Internet (VI) Proceso en línea – Minería de datos, relaciones Herramientas de Data Mining Propuestas de Cambio Agregación Optimización Deducciones Cleanse Combine Análisis de ETL DW Tendencias Provisión de Nuevos Productos
  • 55. Portal de Comercio en Internet (V) Lecciones Aprendidas • La más importante. Siempre hay espacio para la innovación. • Las nuevas ideas siempre son rentables. Simplemente, hay unas más que otras. • La equivocación es sana. La próxima vez lo haces mejor. • Buscar los resultados espectaculares a corto plazo, especialmente en Data Mining, puede ser contraproducente. Mejor desarrollar los proyectos paso a paso, y gestionar con calma la evolución. • Los datos de base ya están disponibles, hay que mirarlos con ojos distintos
  • 56. Automoción (I) Entorno • Fabricante Mundial de Automoción de Reconocido Prestigio. • Líder en su Sector. • 520 Segmentos Operativos. • 13 Modelos de vehículos. • 5 Plafones. • 2 Tipos de motor. • 4 Regiones de Ventas.
  • 57. Automoción (II) Visión • Reducir los costes operativos del grupo. • Reforzar el control de gestión en toda la cadena de valor. • Reemplazar los sistemas tradicionales de planificación. • Mejorar la percepción y el entendimiento de nuestros clientes. • Permear el uso del Data Mining a todos los aspectos de la compañía.
  • 58. Automoción (III) Objetivos Operativos • Garantías. • Detección de Fraudes. • Diagnóstico de Fallos. • Detección de Anomalías. • Captación de Clientes. • Retención de Clientes. • Planificación de las Inversiones. • Calificación de los Usuarios. • Conducción Predictiva.
  • 59. Automoción (IV) Diagnóstico de Fallos y Detección de Anomalías • Diagnóstico de fallos en los diversos concesionarios. • Desviaciones significativas respecto a los modelos definidos en preindustrialización disparan las alarmas. • El uso de Data Mining permite reducir el tiempo de detección de las anomalías y reaccionar frente al mercado de manera proactiva. • El mismo proyecto se combina con la detección de fraudes en concesionarios.
  • 60. Automoción (V) Lecciones Aprendidas • Los proyectos de minería de datos siguen siendo, hasta cierto punto, un arte más que una ciencia. Pero eso no los convierte en menos rentables. • Modelar sobre el 90% de los datos, y validar sobre el 10% restante. Clave para saber si vamos por buen camino. • La Conclusión: Buscar un equilibrio entre el método que mejor se adapta a los datos en análisis y cuan complicado debe ser el modelo.
  • 61. Intermediación en Internet (I) Entorno • Empresa de Intermediación de Pagos en Internet. • Garantía de Confidencialidad, tanto hacia el Proveedor de Servicios como hacia el Consumidor. • El Valor añadido hacia el Proveedor: Maximizar la capacidad de margen de productos mediante Cross Selling y maximizar el valor de los productos en venta.
  • 62. Intermediación en Internet (II) Visión • Aumentar el facturado de la empresa generando mayor valor añadido para los Proveedores de Servicios. • Facilitar la segmentación de mercado. Lo que funciona en un sitio y a unas horas y para un rango de consumidores no tiene porqué funcionar en otro segmento. • La información que necesitamos ya está disponible. Lo que sí necesitamos es generar el conocimiento.
  • 63. Intermediación en Internet (III) Herramientas • Se mantiene y refina el uso del Data Warehouse Corporativo. • Incorporación de herramientas de Business Intelligence Avanzado y Data Mining. • Rediseño integral del CMS para incorporar de manera transparente los resultados de los análisis de BI.
  • 64. Intermediación en Internet (IV) Lecciones Aprendidas • Planificar correctamente el proyecto y sus objetivos. Factor clave en determinar el éxito. • Data Mining para determinar patrones y modelos. Extremadamente útil para garantizar el éxito de nuestro proyecto. • El Data Mining puede ser extremadamente complejo. Los modelos matemáticos requieren de un profundo conocimiento de las herramientas utilizadas. Pero esa complejidad es propia de la herramienta. El resultado no tiene porqué serlo.
  • 65. En resumen • La definición de qué es Business Intelligence es muy amplia, y a veces muy confusa. • Business Intelligence es muy útil, pero también es complejo y ofrece muchas posibilidades. • La planificáción es esencial, es muy fácil pillarse los dedos. • Usar Business Intelligence para reportistica y es matar moscas a cañonazos. Podemos hacer mucho más. • Asegurar la calidad de los datos es clave para tener buenos resultados. • Formación y Transmisión de conocimientos al usuario. Otro factor clave para el éxito de un proyecto de BI. • La información está ya disponible. Necesitamos BI Avanzado para convertirla en conocimiento. • Cuando se acude a Data Mining, es prudente buscar el equilibrio entre el modelo y el resultado. Los modelos estadísticos pueden ser extramadamente complejos. • Meter todo en el Data Warehouse no tiene sentido, pero es bueno planificar para el futuro.