Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
•Descargar como PPTX, PDF•
1 recomendación•2,958 vistas
El documento discute los nuevos enfoques del análisis de negocios y la inteligencia empresarial. Señala que aunque el Big Data es un tema muy discutido, pocas empresas realmente saben cómo implementarlo de manera efectiva. Examina algunos desafíos como la complejidad, la velocidad y el costo de las infraestructuras requeridas, y argumenta que se necesitan enfoques más automatizados y flexibles para la creación y actualización rápida de modelos predictivos tácticos.
Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (19)
Destacado
Destacado (6)
Similar a Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
Similar a Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision" (20)
Más de DMC Perú
Más de DMC Perú (13)
Último
Último (17)
Nuevos Enfoques del Business Analytics: "Faster Prediction, Better Decision"
- 1. “Faster predictions, better decisions” Nuevos enfoques del business analytics:
- 2. is like teenage sexeveryone talks about it, doing it... everyone thinks everyone else is doing it so everyone claims they are Dan Ariely, 2013 Big Data nobodyreally knows how to do it,
- 3. 3 Big Data en 2015 59% NOT ready nor planning Spiceworks via InfirmationWeek.com 12% Data Analyzed (ChinaMail.com via InformationWeek.com) 46% Growth Big Data Jobs (Dice, via InformationWeek.com) x50By 2020 (Hadoop Summit 2014, via InformationWeek.com) 6% (IDC 2014, via InformationWeek.com) Software growth
- 4. ¿Cuando se podrán automatizar la mayor parte de las tareas en análisis predictivo? (en %, KDNugget Abril 2015, n=255) 5.1% 3.9% 14.0% 28.0% 16.0% 7.8% 6.4% 18.8% Ya se hace en 1-2 añosen 2-5 años en 5-10 años en 10-20 años en 20-50 años En mas de 50 años Nunca EN ALGUN MOMENTO EN EL FUTURO 95%
- 7. Infraestructura Complejidad Velocidad Hadoop, Exadata y otros, valen miles de dólares El data mining requiere expertos Phd con años de experiencia Las construcción de modelos óptimos puede tardar meses incluso más al momento de integrarlos con el negocio
- 8. 8 Modelos estratégicos Altos esfuerzos, Altos impactosDemasiado esfuerzo No se entienden Modelo “malo” Solo Insights Falta de soporte Cambio 21% 19% 18% 16% 15% 10% ¿Porque no se implementan? Rexer Analytics 2012
- 9. Modelos Tácticos ¿Porqué son diferentes? Adaptivos Flexibles Rápidos! Muchos, muchos…. Y muchos modelos
- 10. 10 Predicción de Compra ¿Qué van a comprar? Cientos de productos Millones de clientes Miles de transacciones Cambia cada semana ¿Qué Ofrezco? Cerveza Vino Papitas Maní Salchichas Detergente
- 11. 11 Retención de Clientes Necesidades analíticas Conexión entre los clientes Patrones de los últimos dias Nuevo modelo cuando el mercado cambia 10 Millones de Clientes 3 meses de CDR y CRM 3 días para actualizar Un par de horas para Nuevos modelos
- 12. 12 Necesidades analiticas Cantidad de modelos: 400 Tiempo por modelo: 3 días Costo por dia: 800 USD Costo total: 960.000 USD Condicion para tenerlo para la próxima semana: 200 consultores! Misión: imposible
- 14. Implicaciones “Costo” de equivocación Multiplicación de preguntas DATA SCIENTIST DATA ENGINEER!
- 15. 15 Innovaciones Discos Duros Estados Solidos Procesadores i7 Multithreading Calculo Distribuido
- 17. GRACIAS Muchas
Notas del editor
- Analytics es como Big Data: todavía hay mucha confusión Eso era la realidad hacen 2 años, pero las cosas han cambiado O sera que no?
- Todavia falta mucho para que big data sea una realidad para muchas empresas No están listas al nivel estratégico, ni operacional, ni en infraestructura Y allí solo hablamos de poder acceder a los datos en “BI” tradicional
- Quien soy para contadecir al 95% de los expertos? Entonces Lo de que voy a hablar no existe, tengo mucha libertad. Porque estoy hablando de un sueño, y uno que creo que todos compartimos.
- Este seño puede ser grande. DEBE ser grande. Porque es un sueño de Big data. Y tiene elefantes. Los elefantes son grandes.
- Pasado = Estadisticas, BI, predefinido, Futuro = Analytics, automatización, agilidad. El futuro es e sueño que compartimos Todo cambia, segmentación, modelos predictivos, organización de datos.
- Una solucion hadoop requiere cienes de procesadores y discos para obtener un nivel de rendimiento aceptable. Un servidor exadata cuesta 1.2 millones de dólares, y anatella corrió informaciones 3 veces mas rapidas Sin compresión, almacenar datos puede ser costoso, el DW muchas veces tiene informacion parcial, y los tiempos de acceso son altos Las ideas del pasado no nos dejan soñar. Entonces toca cambiarlas para abrir el camino En nuestro sueño, no es necesario ser experto en analytics para desarrollar un modelo de alta calidad (pero expertos logran resultados mejores) La experiencia se comparte mas rapido pues deja tiempo para compartir ideas y analizar No hay dependencia tecnologica: se pega a cualquier sistema
- Las ideas clásicas se aplican muy bien para resolver esos tipos de problemas. Problematicas de alta importancia requieren atención privilegiada. Vale la pena invertir meses para entender perfectamente la dinámica del mercado frente a mi marca o para poblemas de salud. Si embargo muchos modelos no se aplican.
- La automatización de modelos tácticos require otra… táctica! Adaptivos: reflejan los cambios de la realidad del mercado Flexible: a veces me equivoco de problema, necesito poder cambiar rapido Rapido: porque lo necesito para AYER! Muchos: porque tenemos muchos problemas y preguntas!
- Eso es el sueño muy grande. Todo en tiempo. Todo autoatizado, y toda la informacion necesaria para saber donde ir
- Que cambiaria si este sueño se vuelve realidad? Ademas de ganar mucha plata, tiene implicaciones organizacionales
- Ahora pueden seguir soñando. Pero para los impacientes, vale la pena empezar a hablar y revisar lo que ya se puede hacer.