Están las empresas en Latino América listas para iniciar un proyecto de Big Data ? Que retos van a tener que asumir ?

1. ESTAN LAS EMPRESAS LATINOAMERICANAS
LISTAS PARA BIG DATA ?

2. 1. Definición Big Data
2. Retos para las empresas
Latinas
3. Mensaje Final: Big or Fast ?
Agenda

3. DEFINICION
BIG DATA

4. Que es Big Data ?
Big Data (del idioma inglés “grandes datos”) es en el sector de
tecnologías de la información y la comunicación una referencia
a los sistemas que manipulan grandes conjuntos de datos (o
data sets). Las dificultades más habituales en estos casos se
centran en la captura, el almacenado, búsqueda,
compartición, análisis, y visualización.
Wikipedia.org

5. Carácterísticas
Volumen
2 a 100 Teras
Velocidad
ETL < 1 hora
In Memory
Variedad
No Estructurada
Múltiples fuentes

6. Evolución de la Tecnología
BIG DATA
WEB
Petabytes
CRM
Terabytes
Gigabytes
ERP
Exabytes
Implementación de nuevas tecnologías
User Generated
Content
Mobile Web
SMS/MMS
Sentiment
External
Demographics
HD Video
Speech to Text
Product/
Service Logs
Social Network
Business Data
Feeds
User Click Stream
Web Logs
Offer History A/B Testing
Dynamic Pricing
Affiliate Networks
Search Marketing
Behavioral
Targeting
Dynamic Funnels
Payment
Record Support Contacts
Customer TouchesPurchase
Detail
Purchase
Record
Offer Details
Segmentation

7. Necesidad Plataforma Unificada
Análisis con SAS, R, SQL, Java, C++, Python Visualization con BI, Mobile, Excel
Descubrir y Explorar
Datos no estructurados
Análisis datos
estructurados
Capturar y Refinar datos
Red
Social
SMS Textos Audio Video Imágenes ERP Logs CRM
Visualizar y
Compartir
Información

8. RETOS
BIG DATA

9. Hay tres retos principales que requieren cumplir
las empresas Latinas:
1. Priorizar al negocio sobre la tecnología. Los
proyectos Big Data deben nacer del negocio.
2. Lograr una visión global del negocio para no
generar silos de información.
3. Necesidad Talento: Las empresas deben
comprender que además de información y
tecnología, deben incluir expertos de Big Data
en su organización.
Retos Big Data

10. Priorizar el Negocio
Sobre la Tecnología

11. Flujo tradicional de información
De Tecnología al Negocio

12. Flujo priorizando el Negocio
Del Negocio a Tecnología

13. Lograr una Visión
Global del Negocio

14. Etapas de un Proyecto de Inteligencia de Negocios
1
MODELO DE NEGOCIO
2
SEMÁNTICA
3
IMPLEMENTACIÓN

15. Directivos,
Ejecutivos,
Usuarios
Estructura
del Negocio
Consultor
A
Identificación de
la Estructura
del Negocio
Directivos,
Ejecutivos,
Usuarios
Modelo
Conceptual de
Análisis
Consultor
B
Definición del
Modelo de
Análisis
Consultor
Definición
de Datos
Usuarios
C
Analista
Interpretación y
Validación de Datos
SEMÁNTICAMODELO DEL NEGOCIO
FASE “CERO” DE UN PROYECTO BI
Ni las herramientas de Inteligencia de Negocios
ni los procesos ETL intervienen en esta Fase

16. MODELO DE NEGOCIO SEMÁNTICA
Consiste en la Identificación
de la Estructura del Negocio
y en la Definición del
Modelo de Análisis

17. REGIÓN
Grupo Norte Grupo Oriente
EMPRESA EMPRESA
LÍNEA DE
NEGOCIO
Eléctricas Hidrocarburos
TIPO DE
NEGOCIO
TIPO DE
NEGOCIO
HidrocarburosGeneración Transmisión
EMPRESA EMPRESA EMPRESA
Generación
Norte
Transmisión
Norte
Transmisión
Oriente
Generación
Oriente
Producción
Oriente
MODELO DE NEGOCIO SEMÁNTICA
Ejemplo:

18. MODELO DE NEGOCIO SEMÁNTICA
Consiste en la
Interpretación
de los Datos
que
Alimentarán el
Modelo de
Negocios

19. MODELO DE NEGOCIO SEMÁNTICA
Gestores de
Información
Origen de los
datos Decision Makers
¿De dónde provienen y qué significan los datos?

20. MODELO DE NEGOCIO SEMÁNTICA
Los gestores de información
cumplen el rol de enlace entre
las necesidades de información y
el origen de los datos
REGIÓN
Grupo Norte Grupo Oriente
EMPRES
A
EMPRES
A
LÍNEA DE
NEGOCIO
Eléctricas Hidrocarburos
TIPO DE
NEGOCI
O
TIPO DE
NEGOCI
O
HidrocarburosGeneración Transmisión
EMPRE
SA
EMPRE
SA
EMPRE
SA
Generación
Norte
Transmisión
Norte
Transmisión
Oriente
Generación
Oriente
Producción
Oriente
Modelo de
Negocios
CAPA SEMÁNTICA

21. MODELO DE NEGOCIO SEMÁNTICA
Los “Decision Makers” se entienden
en términos de negocio que han
sido validados POR ELLOS MISMOS a
lo largo del proceso de
identificación, recopilación y
definición de información.
CAPA SEMÁNTICA

22. Conseguir Personal
Especializado BIG
DATA

23. Falta Personal Especializado
Las empresas van a tener que adecuar sus
organizaciones para poder manejar Big
Data:
• Quien debe ser el dueño de la Data ?
• Chief Analytics Officer ? Chief Big Data
Analytics Officer ?
• Las empresas van a necesitar areas de
Big Data Analytics

24. Falta Personal Especializado
• Demanda de Talento analítico
insatisfecha.
• Es difícil de ubicar Personal especializado
en Big Data, son muy escasos.
• Nuevos Talentos requeridos con nuevos
perfiles.
• Las Universidades tienen que crear
nuevas carreras que recien egresaran en
3 o 5 años.

25. Falta Personal Especializado
• Se van a generar más escuelas de
Analytics y Big Data.
• Se va a generar un nuevo ecosistema de
empresas que ofrecen estos servicios.
• Data Scientist ?
The Data Scientist role is a role of the
future!
www.datascientist.net

26. BIG OR FAST ?

27. • No es el GRANDE en que
se come al chico
• Es el RAPIDO el que se
come al lento
• Si Usted no puede tomar
decisiones con rápidez,
cualquier acción que tome
no alcanzará la velocidad
adecuada.
Jason Jennings y Laurence Haughton
Big or Fast ?

28. 1. Pensar con Rápidez
1. Prever
2. Detectar tendencias
3. Filtrar ideas
4. Dejar que gane la mejor
2. Decisiones rápidas
1. Reglas de negocios
2. Eliminar burocracia
3. Desatarlo todo
4. Intercambiar carteras
Como ser más Rápidos
3. Salir al mercado con mayor
rápidez
1. Lanzar una Cruzada
2. Ventaja competitiva
3. Que sea sencillo
4. Intercambiar carteras
4. Mantener la velocidad
1. Cuentas claras
2. Ser implacable con los recursos
3. Ser flexible en las finanzas
4. No engañarse
Jason Jennings y Laurence Haughton

29. Como ser más Rápidos

30. Quienes Somos ?
• Big Data SAC es una empresa Peruana creada
para asesorar a las empresas de Latino América
en su camino hacia el mundo de Big Data.
• Ayudamos a las empresas a potenciar su
plataforma de datos con fuentes no
estructuradas.
• Ayudamos a las empresas a ser rápidas y
obtener una ventaja competitiva con el análisis
de grandes volúmenes de datos.
Think BIG and your Business will grow !

31. ¡MUCHAS GRACIAS!
Luis Barragán Scavino
Alcanfores 1255
Miraflores, Lima 18, Perú
+51 #975002719 RPM
+51 99 417 6340 Nextel
luis.barragan@bigdata.pe