Este documento describe las causas del rápido crecimiento de la inteligencia de negocios y la analítica, incluyendo la digitalización del mundo físico y el aumento de datos procedentes de Internet de las Cosas, cámaras digitales, telefonía móvil y televisión. Además, presenta diferentes modelos de madurez analítica y estrategias para democratizar el acceso a la analítica en las organizaciones.

2. Inteligencia de Negocios Analytics 10

5. Causas de crecimiento explosivo
• IoT
• Cámaras Digitales
• Telefónica Digital
• TV Digital
• Monitoreo y Administración
de mundo físico pasa a Digital
Fuente: IDC, 2014

6. ¿Cómo
democratizar
la analítica?

7. Modernize
Your Analytics Stack

8. 0.00001
0.0001
0.001
0.01
0.1
1
10
100
1000
10000
100000
1000000
10000000
100000000
1E+09
1954 1960 1965 1971 1976 1982 1987 1993 1998 2004 2009 2014
Memory Almacenamiento
de Disco
Flash Estado sólido
The Future of Analytic Computing is In-Memory

9. Modelo de Madurez de Analytics10: Entendemos que no todas
las soluciones requieren aplicar todos los pasos
VALOR
Nivel 1 - Datos
Acceso
a datos
Asociación
Y Blending
Información
relevante
para Usuario
Eventos, Alarmas,
Sugerencias
Nivel 2 - Información Nivel 3 - Conocimiento Nivel 4 - Acción

10. A cuantas diferentes fuentes de datos accedes?
Solo el 6% de las
organizaciones
tienen todos sus datos
en un solo lugar
31%
40%
9%
13%
2-4 fuentes 5-10 fuentes 11-15 fuentes sobre15 fuentes

11. Las nuevas oportunidades están en áreas fuera de lo tradicional
Big Data
Discovery
Data Discovery
Big Data
Data Science
Nuevas oportunidades de
Negocios
Valor del
Dato (4V)
Analítica
tradicional
Volumen / Variedad / Velocidad 3Vs

12. ¿Para qué áreas de tu empresa buscas soluciones?

13. 1. Extraer
2. Clasificar / Almacenar
3. Analizar / Visualizar
Visión de Negocio
Retail Comportamiento
del cliente
Meteorológico Renta Regional Demográficos
¿Comó te ayuda A10?

14. Qué incluimos en nuestra oferta de analítica
ANALÍTICA AVANZADA
Descriptivo Diagnóstico Predictivo Prescriptivo
¿Qué está pasando? ¿Por qué ocurrió? ¿Qué va a ocurrir?
¿Cómo podemos
asegurarnos
que suceda?
ANALÍTICA ANALÍTICA AVANZADA
Aritmética Sencilla
Reportes / Tableros
Plataformas comunes de BI
“Nivel de Confort”
Ciencia de Datos
Solución de problemas de negocios
Herramientas basadas en matemática
Otras cosas extrañas ...

15. Big Data
Millones de datos que pueden provenir
de distintas fuentes
Data blending y Analítica avanzada
Qlik permite a los usuarios manejar fácilmente su data
y Alteryx permite mezclar data y hacer análisis avanzado
Data Discovery Self Service
Los usuarios son los protagonistas
Para analizar fácilmente los datos
Supervisión y alcance de A10

16. Entendemos comó implantar soluciones en ambientes de TI corporativos complejos
Sistemas
Operacionales
(ejemplos)
Área de trabajo Ciencia de Datos
Modelos
Predictivos
Minerva
de
datos
Discovery
Un área de trabajo de Ciencia de Datos
facilita la Exploración (Discovery)
data exploration and discovery
Área de
Pruebas
(Sandbox)
Data
Warehouse
Corporativo
Herramienta
BI
Corporativa
Data Warehouse
departamental /
BD de BI
Herramienta BI
Departamental
Entrega BI
Entrega BIExtraer-transformar y cargar
(no ETL!) significa que los
datos son transformados y
cargados hacia los spokes o
radios solo cuando es
necesario. Entrega BI sobre Big Data
Herramientas BI conscientes de estructuras Big-
data pueden operar contra datos que no están
trabajando bajo algún patrón predefinido. Pueden
acceder directamente al Hub y hacer Discovery
mientras herramientas tradicionales solo contra
Data-warehouse o BD relacionases.
Algunas soluciones
Data-warehouse y
BD de BI han
integrado
funcionalidad para
soportar Hadoop.
Estas pueden ser
consideradas parte
del Hub o de un
Spoke según uno
prefiera.
Muchos Data
warehouse y BD de
BI se han transferido
hacia los Spokes.
ETL tradicional en
Data-warehouse
entregan calidad y
estructura que es en
ciertos casos
necesitada para
entregar soporte de
calidad.
Hub de Datos
distribuidos
Servicios de transformación
del Hub
Apps
empaquetadas
Apps
móviles
SaaS -
PaaS
apps
ECM
Apps
Customizadas
BPM
DCM
Social
Sitios Web
2
1
3
3
3
3
4
5
5
5
5
6
HUB
SO
DW / BD BI
Área de Pruebas
Big data
Stand
alone
Data Warehouse
departamental /
BD de BI
Herramienta BI
Departamental
Data Warehouse
departamental /
BD de BI

17. Ayudamos a crear centros de excelencia o
trabajar bajo la estructura que tu empresa decida
Principios Organizacionales para posicionar a equipos de Analítica Avanzada y Científicos de Datos A10 2016
AA/CD = Analítica Avanzada/Científicos de Datos | LN = Línea de Negocios | CEA = Centro de Excelencia de Analítica
Agilidad
Visión que cruce funciones
Compartir conocimiento
Cercanía al negocio
Cercanía al procesamiento y
los datos
Científicos de datos @ Línea de
negocios
Científicos de datos @ IT Científicos de datos separados
de la unidad de negocios
Expertos dispersos CEA

18. Aplicamos Experiencia de Usuario (UX) en nuestros desarrollos