Data WareHouse, es una técnica para apropiadamente consolidar y administrar datos provenientes de diversas fuentes, con el propósito de responder preguntas del negocio y tomar decisiones que no eran previamente posibles de realizar
2. Saltar a la primera
página
¿Qué es Data
Warehouse?
Data Warehousing es un proceso , no
un producto.
Es una técnica para apropiadamente
consolidar y administrar datos provenientes
de diversas fuentes, con el propósito de
responder preguntas del negocio y
tomar decisiones que no eran
previamente posibles de realizar.
3. Saltar a la primera
página
Utilizaciones de un
DW en la Industria
Financiera
•Retención de clientes
•Análisis de Promociones
•Administración de campañas
•Desarrollo de canales
•Análisis de riesgo
•Desarrollo de Productos
•Análisis de ventas
•Gestión ciclo de vida del cliente
•Análisis contribución rentabilidad
4. Saltar a la primera
página
¿Quién necesita qué
información?
CEO
President
Rates & Tariffs
Usage
Info
Demographics
Contracts
Revenue
Accounting
Competitor
Info
Accounts
Wire Centers
Sales Commissions
Product
Info Salesmen
Info
Promotions
Bills
Product
Planning
Rates and
Regulatory Finance MIS
Marketing
Operations Sales
Customer
Service
Ins & Outs
5. Saltar a la primera
página
• Frustración de ejecutivos debido a
que los Datos ...
– no soportan visión global de la empresa
– residen en bases de datos no relacionadas e
incompatibles
– replicados y redundantes
– su contexto histórico no está disponible
– No pueden hacerse preguntas complejas
– Desfase entre disponibilidad de la info. y su
oportunidad comercial
Situación tradicional es frustrante.
Desventajas del Soporte a Decisiones hoy
disponible (funcional)
6. Saltar a la primera
página
Desafíos para responder a
demandas de ejecutivos
comerciales
Proveer datos históricos y de detalle para
permitir análisis de tendencias y modelamiento
predictivo
Inmensos volúmenes de datos a utilizar
Consultas ad hoc & análisis sofisticado
Tiempos de respuesta instantáneos
Fuentes de datos heterogéneas (provenientes
de diversos sistemas y en distintas formas)
7. Saltar a la primera
página
Datos convertidos a
Información
Product Data
Customer Data
Sales Data
Market Data
G/L Data
Revenue Data
External Data
Power
Analyst
Knowledge
Worker
Executive/
Manager
Customer
Contact
Application
Server
Sales Marketing Finance
Rates/
Regulatory
Customer
Service
MIS
Demographics General Ledger
Product Planning Promotions
Product Info
Competitive Info
Market Data
Accounting
Purchasing
Contracts
External
Data
8. Saltar a la primera
página
Datos detallados e
históricos en la Data
Warehouse
Nivel
de
Detalle
Tiempo
Datos
Opera-
cionales
Datos Agregados
Pasado Presente
Detallados
Agregados
Datos Detallados
Universo de datos residentes en D.W.
9. Saltar a la primera
página
Atributos clave...
Datos:
detalle de los eventos o transacciones
de negocio
de la historia acontecida
consolidados en un solo lugar
consistentes en las definiciones
oportunidad de esta información
disponible
10. Saltar a la primera
página 4
Database Requirements -- OLTP vs. DSS
DBMS Workloads are
Very Different
Decision Support
“How many customers have balances of >$50
when most charges occur on the weekend?”
OLTP Transaction
“Debit account #91098 the
amount of $100.”
Find
Account #91098 Account Table
Add $100
End
Sales Table
Ops Table
etc..
Search
Sales Table
Store Sales
Table Result
Search
Billing Table
Store Billing
Table Result
Join
Stored Tables
Aggregate
Answer Set
End
11. Saltar a la primera
página 5
Database Requirements -- OLTP vs. DSS
Workload Differences
No
No
No
No
No
DSS
Query
OLTP
Transaction
Yes
Yes
Yes
Yes
Yes
Multiple Tables Scanned
Large Data Volumes
Processing-Intensive
Response Time f (DB Size)
Unknown Questions/Queries
12. Saltar a la primera
página 11
Database Requirements -- Predefined vs. Ad/hoc
Constantly Changing Business
Requirements
Business requirements change
User demands change
The answer to 1 question
drives 100’s more
The Only Constant is
Change
“Administration of a data warehouse RDBMS will be a constant struggle to
keep the system balanced in line with a partly unpredictable
workload...the focus of users' queries within the database will constantly
be changing.” -- Gartner Group
What should
I do today?
They changed
their minds
again!?!!?
IT BUSINESS
13. Saltar a la primera
página
Arquitectura de la Data
Warehouse Escalable
Operational
Data
Data
Transformation
Enterprise
Warehouse &
Management
Replication &
Propagation
Data Mart or
Departmental
Warehouse
Data Mining
(Business Rules)
Information
Access Tools
Business Users
IT Users
Data
Access
Layer
BID/Metadata
Logical/Physical
Data
Dictionary
Business
&
Technology
Services
Network/Database/Systems
Management
14. Saltar a la primera
página
Active Warehouse
Servidor de Aplicaciones
para E-Commerce
(Personalización)
Aplicación CRM para Atención
de Canales
Active Warehouse
(near on line)
Utilitario
de
Carga
Reportes analíticos,
tendencias, etc.
Modelamiento
Predictivo
Sucursal Retail Ejecutivo
Ventas
Atm
Cliente
Base de Contactos
Ofertas/canal
Near on line
Contactos
Near on line
Journal Web
Data Warehouse
Perfiles
diario
Contactos
diario
HOST
Ofertas
Near on line
diaria
Near
on line
15. Saltar a la primera
página
Etapas en el Desarrollo del DW
Information Discovery: Necesidades críticas de negocios
Priorización de preguntas de negocios
Modelamiento conceptual
Un reporte con la disponibilidad y ubicación de los datos necesarios para responder las preguntas de
negocios
Aspectos de negocios u operacionales que afectan el desarrollo del DW
Modelamiento Lógico de datos
Modelo Lógico de Datos (incluye decisión respecto a los aspectos del modelo de datos que se van a
cubrir y los que van a quedar para siguientes etapas)
En esta etapa se aplica el Enfoque Cuantitativo en forma exhaustiva dado el alto volumen de datos
involucrados
Modelamiento Físico de datos
DDL
Construcción y prueba del modelo físico de datos
Estrategia de captura de datos
Revisión de los datos
Especificación de programas de captura y limpieza de datos
Desarrollo de programas de Captura de datos
Desarrollo de programas de carga de datos
Estrategia de respaldo
Diseño
Construcción
Pruebas e Implantación
16. Saltar a la primera
página
¿Cómo organizar una arquitectura de
información?
Sistema
Operacional
Sistema
Operacional
Servidor
Data Mart
Usuario Final
Usuario Final
Usuario Final
Usuario Final
Solución a requerimientos de
negocio
el primer Data Mart
Extracción
Transformación
17. Saltar a la primera
página
¿Cómo organizar una arquitectura de
información?
Sistema
Operacional
Sistema
Operacional
Servidor
Data Mart
Usuario Final
Data Mart
Data Mart
Usuario Final
Usuario Final
Usuario Final
Servidor
Data Mart
Solución a requerimientos
de negocio
Varios Data Marts departamentales
Extracción
Transformación
18. Saltar a la primera
página
¿Cómo organizar una arquitectura de
información?
Sistema
Operacional
Sistema
Operacional
Servidor
Data Mart
Servidor Data
Warehouse
BD Relacional
Usuario Final
Data Mart
Data Mart
Usuario Final
Usuario Final
Usuario Final
Usuario Final
Servidor
Data Mart
Solución a requerimientos
de negocio
Solución a
requerimientos
de gestión de
datos
Datawarehouse integrador
Extracción
Transformación
19. Saltar a la primera
página
Líneas de Desarrollo sobre DW
Foundation
Competitive Advantage
Channel
Usage
Channel
Preferences
Propensity
to Respond
Propensity
to Buy
Behavioural
Segmentation
Account
Trf Pricing
Transaction
Costing
Account
(Txn) Profit
Customer/
Household
Profit
Business
Unit Profit
Propensity
to Churn
Campaign
Management
Product and
Service
Pricing
Service Point
Allocation
Behavioral
Scoring
Credit
Scoring
Retention
Modeling
Contact
Management
Event
Triggers
Channel
Cost/Value
Competitor
Location
Management Channel Mix
Optimization
Propensity
Switch
Channel
Competitor
Channel
Usage
Propensity
to Default
Credit Risk
Probability
Exposure
Management
Collections
Triggers
Risk
Provisions
Dynamic Risk
Management
Distribution
Management
Dynamic
Comm’ns
Management
Relationship
Pricing
Leadership
Activation
Triggers
Utilization
Triggers
FINANCE
MARKETING
DISTRIBUTION
CREDIT
RISK
Data
Warehouse
LDM
Customer
Account
Txn Detail
Credit
Marketing
Channel
Prod/Service
Organization
History
External
Infrastructure
VA
Velox
Adventus
Householding
Adhoc Query
….
Product and
Service Profit
Customer
Net Present
Value
Customer
Life Time
Value
20. Saltar a la primera
página
Customer
Relationship
Management
Data Warehouse y:
21. Saltar a la primera
página
¿Qué es el CRM?
•Los primeros pasos de una empresa para lograr entender e
influir en el comportamiento del cliente son a través de una
comunicación continua y relevante, para así perfeccionar la
captación, retención y rentabilidad de los clientes.
•CRM es un proceso que maneja las transacciones de los
clientes, modelos de marketing y genera un ciclo de eventos
para cultivar eficiente y continuamente las relaciones de
clientes. Es manejar la estrategia de contacto con los clientes y
crear una importante ventaja competitiva, transformando las
transacciones en relaciones
Lineamientos Básicos
22. Saltar a la primera
página
INTERACTUAR:
Conjunto de Transacciones e
interacciones que hacen
realidad el diálogo entre el
cliente y la organización.
Mail directo, integración de
CallCenter, integración de WEB
RELACIONAR:
Aplicación de la intuición para
crear interacciones relevantes
que construyen relaciones con
valor, Optimización de las
relaciones. Ejemplo
Administración del ciclo de vida
del cliente, definir ofertas
canales, calendario y
dependencias específicos,
automatización del marketing a
través del manejo de historia.
CONECTAR:
Conectar todos los puntos de
contacto de un cliente que
tiene con una organización,
manejando la información e
infraestructura.
CONOCER:
Se logra a través de la captura
y análisis de información
detallada para crear un proceso
de aprendizaje continuo.
Identificación del cliente,
segmentación y predicción del
cliente.
¿En la organización se utiliza
información agregada o
detallada ?
Proceso Customer Relationship Management (CRM)
23. Saltar a la primera
página
Relationship Building is
Continuous
25. Saltar a la primera
página
Modeling
&
Data
Mining
Container/
Repository
Query
&
Reporting
Campaign
Planning & Execution
Data usage – Data
Modeling
“Why”?
“How”?
“What”?
26. Saltar a la primera
página
CRM, Valor y Calidad de Servicio
Maximizar Valor
Cliente
Optimizar
Servicio
Eficiencia Operacional
ABC
Administración de Valor
del Cliente
Retorno de la Relación
•Segmentación y Perfilamiento
•Modelamiento Predictivo
•Modelamiento de Eventos
•Eventos ciclo de vida
•Eventos de comportamiento
•Rentabilidad
•Personalización y Entrega
27. Saltar a la primera
página
Integración y Dinámica de la Oferta
Oferta
Oferta Personalizada
Personalización
Rentabilidad
Modelo Predictivo
Evento Personal
Entrega
28. Saltar a la primera
página
Data Sourcing &
Transformation
Customer
Relationships
Customer
Knowledge
Customer
Knowledge
Customer
Interaction
Customer
Interaction
Industry
Data Models
Retail
Financial
Comm Manufacturing
Insurance
Transportation Utilities Government
C
USTO M ER
C
USTO M ER N
U
M BER
C
USTO M ER N
AM E
C
USTO M ER C
I TY
C
USTO M ER PO ST
C
USTO M ER ST
C
USTO M ER AD
DR
C
USTO M ER PH
O NE
C
USTO M ER FAX
O R
DER
O R
DER N
UM BER
O R
DER D
ATE
STATU
S
O R
DER I TEM BACKO R
DERED
Q U
AN
TI TY
I TEM
I TEM N
U
M BER
Q U
AN
TI TY
D
ESCR
I PTI O N
O R
DER I TEM SH
I PPED
Q U
AN
TI TY
SHI P DATE
Logical Model
Analytic & Business
Intelligence Software
• Application Templates
• Business Views
• Business Libraries
• Exceptions
Reporting AD-Hoc Analysis
• Drill Down
• Drill Across
• Comparison
• Delta change
Predictive Models
• Customer LT Value
• Purchase Propensity
• Churn/Attrition
• Behavioral
Customer Centric
Data Warehouse Customer
Customer
Data Warehouse
Data Warehouse
Knowledge
Knowledge
Repository
Repository
Continuous
Continuous
Learning
Learning
Automated Automated
Customer Interaction
Channels
Direct
Mail
E-Mail/
Fax
ATM
Internet
Extranet
Call
Center
Sales Agent Retail
Branch
Marketing Automation • Event
Execution
• Channel
Planning
Actions
• Timing • Offer Development • Threshold • Multi-treatment
Sales & Service
Automation
• Contact Management
• Opportunity Management
• Information Delivery
• Proposal/Configuration
• Help Desk
• Service Order & Dispatch
• Trouble Reporting/Tracking
• Customer Billing
Sales
• Information Gathering
• Account Management
• Electronic Commerce
• Personalization
Interactive
Customer Care
External
External
Internal
Internal Extract Extract
Load
Load
Scrub
Transform
Household
Merge
Business
and
Technology
Services
Industry
Solution/Application
Portfolio
Actions
Replicat
e
Replicate
Datamart
Datamart
App
App
Server
Server
Customer Information
Order #
Invoice
Receivable
Remittance Trouble
Ticket
Census
Data
Demographic
Psychographic
Credit History
Customer #
Name &
Address
Product #
Kiosk
CRM
Framework