Big-Data-y-Sistemas-Cognitivos.pdf

Big Data y Sistemas Cognitivos:
el marketing llevado hasta la experiencia
personalizada del cliente
Wolfram Rozas
Ejecutivo de Desarrollo de Negocio para Big Data. IBM España

Big Data y Sistemas Cognitivos
Big Data is like teenage sex:
Everyone talks about it, nobody
really knows how to do it,
everyone thinks everyone else is
doing it, so everyone claims they
are doing it too

Exploración
Encontrar, visualizar, comprender los
Big Data para mejorar el proceso de
decisión
Vista 360º cliente mejorada
Extender las vistas de clientes (MDM,
CRM, etc) incorporando fuentes de
información internas y externas
Inteligencia Operacional
Analizar una variedad de datos máquina para
mejorar la eficiencia operacional
Aumento del Data Warehouse
Integrar las capacidades de big data y de data
warehousing para mejora de resultados de negocio
Seguridad/Inteligencia
Aumentada
Reducir riesgo, detectar fraude y
monitorizar seguridad en tiempo
real
Las 5 Categorías de Casos de Uso

Exploracion: Necesidades
Luchar para gestionar y
extraer valor de las 3 V’s en
la empresa; necesidad de
unificar la información en
fuentes federadas
Incapacidad de relacionar los datos
“brutos” recogidos de logs de
sistema, sensores, clickstreams,
etc., con datos de clientes y de
negocio
Riesgo de exponer información de
identificación personal y/o datos
privilegiados debido a carencias
de conciencia de la sensibilidad
de la información
Encontrar, visualizar, comprender todos los datos para
mejorar el proceso de toma de decisiones

Call Center
Highly relevant, secure &
personalized results
Access all sources
or individual source
Refinements based
on metadata
Dynamic
categorization
Narrow down results set
Setup alert to
notify change
Identify topical experts
Tag results
Rate results
Comment results
Store &
share results

7
Distintos propósitos de exploración

IBM Confidential

9

Necesidades
Necesita una mayor
comprensión del
sentimiento de la clientela
Extender las vistas actuales de clientes (MDM,
CRM, etc.) añadiendo fuentes de información
internas y externas
Deseo de mejorar la
fidelización (activa) del
cliente y la satisfacción
identificando acciones
significativas
necesarias
Desafío en facilitar la
información correcta a los
decisores para suministrar a los
clientes lo que realmente
necesitan (resolver problemas,
cross-sell, etc.)

Análisis Actitudinal de Clientes

Pisadas
Sociodemográficos y Conducta
Tránsito
• Patrones de movimiento de personas y
patrones de estancia
• Análisis por hora y día
• Inferencia para métricas de estancias
dentro de edificios
• Perfil sociodemográfico combinado con
movimiento
• Edad, género, país, dirección vivienda,
dirección trabajo, tipo dispositivo (datos,
status), patrón de actividad
• Inferencia de rutas de transporte público
incluyendo carreteras, trenes, autobuses
GeoMarketing 2.0 / Geofencing

Big Data DW
Big Data DW
Datos lineales
Datos lineales
Datos no
lineales
Datos no
lineales
Datos
suscripción
Datos
suscripción
Datos afinidad
y de gasto
Datos afinidad
y de gasto
Datos Redes
Sociales
Datos Redes
Sociales
Marketing/ Research
Marketing/ Research
Visualización
Visualización
Motor de
Reglas
Análisis Predictivo
Análisis Predictivo
Datos
demográficos
Datos
demográficos
Gestión de Campañas
multicanal
Gestión de Campañas
multicanal
Procesado
Tiempo Real
Procesado
Tiempo Real Desarrolla modelos predictivos
2
Vinculación
Vinculación
Perfil 360º
Perfil 360º
Tipo Fan
Tipo Fan
campañas de marketing
Crear lista de prospectos mediante
modelos predictivos y producir
campañas de marketing
3
Propensión
Propensión
Churn
Churn
Portal
Text
Mining
Lista de Prospectos
Fan
Lista de Prospectos
Fan
No
estructurado
Estructurado
Estructurado
Extraer datos y
ejecutar
integración de
entidades para
crear perfiles
individuales
1
Influencia
Influencia
Análisis de Público Objetivo basado en Fans

Necesidades
• Ganar una visibilidad en tiempo real de las
operaciones, experiencia de cliente,
transacciones y conducta
• Planificar proactivamente para mejorar la
eficiencia operacional
Analizar una variedad de datos máquina para
mejorar los resultados de negocio
La capacidad de analizar datos máquina y
combinarlos con los datos corporativos
obteniendo una vista completa puede capacitar
a las organizaciones a:
• Identificar e investigar anomalías
• Monitorizar la infraestructura punto a punto
para evitar proactivamente la degradación del
servicio o cortes de suministro

Network Analytics
Análisis en tiempo real del uso de los clientes y de su
experiencia de los servicios de datos y aplicaciones, para
mejorar la experiencia de cliente
Recogida y extracción
de datos
Mediación, Correlación y
Análisis
Aplicaciones
Soluciones
1. Servicio a Clientes: priorizar problemas de clientes
2. Operaciones de Red: impacto de los eventos de red (cuellos de botella,, llamadas caídas, cortes, etc.) en la
calidad de la experiencia de los abonados
3. Ventas & Marketing: aumentar la tasa de aceptación

Tecnología

Arquitectura de Nueva Generación
On premise, Cloud, As a service
Sistemas Seguridad Almacenamiento
Aplicaciones
mejoradas
Fuentes
Zona de
análisis de
tiempo real
Zona de
appliances de
Data
Warehouse y
Data Mart
Zona gobernanza de información
Zona de
aterrizaje, y
archivado
Zona de
información
operacional e
ingestión
¿Qué podría
ocurrir?
Análisis predictivo y
modelización
¿Qué acción debo
tomar?
Gestión de
Decisión
¿Qué está
ocurriendo?
Descubrimiento y
exploración
¿Por qué ocurrió?
Informes, análisis,
análisis de
contenidos
Fábrica
Cognitiva

Thesauri
Clustering
Ontology Support
Semantic Processing
Entity Extraction
Relevancy
Text Analytics
Search Engine Metadata Extraction
Faceting
BI
Tagging
Taxonomy
Collaboration
Web
Results
Feeds
Subscriptions
Federated Query Routing
Application Framework
Authentication/Authorization
Query transformation
Personalization
Display
Entity Model
360O View
Applications
User Profiles
Big Data
Exploration Applications
CM, RM, DM RDBMS Feeds Web 2.0 Email Web CRM, ERP
File
Systems
Connector
Framework
MDM
Exploración y Descubrimiento

Análisis en Marcha (Streaming)
Modificar
Filtrar/Muestreo
Clasificar
Fusionar
Anotar
Puntuar
Agregar
Analizar
Real-time
Analytics
ANTES AHORA

IBM Watson
family
IBM Watson
Advisors
IBM Watson
Solutions
IBM Watson
Foundations
IBM Watson
Technologies
Proporciona las capacidades de
Big Data y Analíticas que
alimentan Watson
Productos basados en
las capacidades y
atributos núcleo de
Watson
APIs, herramientas, metodologías,
SDKs e infraestructuras que
alimentan Watson
Soluciones hechas a medida
diseñadas para satisfacer algunas
de las necesidades más exigentes
de las industrias y aprovechar las
capacidades cognitivas
IBM Watson
Ecosystems
El “Watson Developer Cloud”,
“Watson Content Store” y
“Watson Talent Hub” para la
innovación de los partners
© 2014 IBM Corporation
La familia Watson

Comprende el lenguaje
natural y la forma de
comunicación de los
humanos
Se adapta y aprende del
entrenamiento, de la
interacción y de los
resultados
Genera y evalúa
hipótesis basadas
en evidencias
1 2
3
• Me entiende
• Me atrae y me engancha
• Aprende y mejora con el tiempo
• Me ayuda a descubrir
• Establece confianza
• Tiene capacidad infinita para el
insight
• Opera en el momento oportuno
Watson combina varias tecnologías de transformación
Watson:

Decidir
• Digiere y analiza dominios de conocimiento
• Decisiones basadas en evidencias con mayor confianza
Preguntar
•Hacer preguntas para un mayor conocimiento (insight)
•Dialoga en lenguaje natural
Descubrir
•Proporciona el razonamiento para las respuestas obtenidas
•Pide más datos para producir mejores resultados
Watson posibilita tres tipos de servicios cognitivos

¿Cuál es la
solución más
adecuada?
El sistema
cognitivo
ayuda al
usuario a…
…hallar datos
relevantes
…el usuario
aplica su
experiencia e
ideas…
…el sistema
aplica los
modelos
analíticos…
Tengo la
respuesta. Sé
lo que hacer.
He tomado la
decisión.
… Y
dibujarlo…
IBM analytics
Humano
…y buscar
relaciones
relevantes…
…el usuario
interactua y
diseña nuevos
escenarios…
La analítica cognitiva en acción

Demo de
Vista 360º Cliente mejorada

¿cuáles son los requisitos para un
descuento por no tener
accidentes?

¿Hay descuentos disponibles para estudiantes?

¿Cuáles son los requisitos de
edad para un descuento de
estudiantes?

Muchas gracias por su atención
IBM Software España
Encuentro de Software
IBM España
@IBManalytics_es
IBM Software España
Wolfram Rozas
Ejecutivo de Desarrollo de Negocio para Big Data. IBM España.
wolfram.rozas@es.ibm.com

Big-Data-y-Sistemas-Cognitivos.pdf

Recomendados

Recomendados

Más contenido relacionado

Similar a Big-Data-y-Sistemas-Cognitivos.pdf

Similar a Big-Data-y-Sistemas-Cognitivos.pdf (20)

Último

Último (7)

Big-Data-y-Sistemas-Cognitivos.pdf