3. 1. ¿Cómo hemos llegado hasta aquí?.
2. Mitos y realidad de la aplicación de la transformación
digital en las empresas.
3. Claves de la tecnología para la transformación Digital.
4. Y, ¿qué podemos hacer?.
Agenda
4. Evolución: datos, análisis, social, …
De los datos al Valor, para la toma de decisiones.
Data: arquitectura, calidad, gobierno … analítica, IA.
1. ¿Cómo hemos llegado hasta aquí?
7. • Datos estructurados: es información ya procesada, filtrada y con un
formato estructurado.
Es el tipo de datos que más se usan hoy en día, básicamente proveniente de
Bases de Datos Relacionales.
• Datos semi-estructurados: es información procesada y con un formato
definido pero no estructurado.
De esta manera se puede tener la información definida pero con una estructura
variable.
• Datos no estructurados: es información sin procesar y que puede tener
cualquier estructura.
Se puede encontrar cualquier formato: texto, imagen, vídeo, código, etc. Los
directorios de logs de aplicaciones o la información colgada en las redes sociales
son ejemplos.
Evolución de los datos: Tipos
15. El uso de los datos y su importancia
El 58% de las empresas encuestadas* basan al menos la mitad de sus
decisiones comerciales habituales en intuición o experiencia, en lugar de
estar basadas en datos e información.
En promedio las empresas utilizan sólo el 50% de la información
disponible a la hora de tomar decisiones.
- ¿Por qué los líderes empresariales no utilizan la toma de decisiones
basada en datos?
- ¿Qué debe tener en cuenta para asegurarse de que sus decisiones se
basan en los números y no en los sentimientos?
*BI Survey Report
16. Datos como el nuevo núcleo de la TD
Ventaja competitiva Toma de decisiones estratégicas
Dificultad: justificar el ROI
17. Arquitectura
Todo lo que nos podamos imaginar …
Almacenamiento / ETL / Lenguajes / Visualización
On-premise / Cloud (IaaS/PaaS/SaaS/…) / MiltiCloud / Híbrida
Define modo de trabajo que queramos establecer más que “estrategia”
En gran medida, depende de:
• Alineamiento con compañía y departamentos (no siempre imprescindible)
Primero: ESCUCHAR, de ello depende gran parte del éxito
• Uso que se le va dar (a corto y medio plazo)
• Otros equipos técnicos
• Costes (Capex & Opex) * El nuevo escenario digital será MultiCloud y se estima que en
2024 el 90% de las grandes empresas adoptará tecnologías y
herramientas MultiCloud o híbridas
19. Carga de
Datos
(ERP / CRM /
Otras fuentes)
Extracciones e
Interfaces
(a otros Sistemas)
Servicio integrado y transversal:
o Corporativo & Divisiones
Reports Planificados (interno / externo)
Cuadros de Mando / KPIs / Análisis
predictivos, Mobilidad, Auto-servicio
Data Lake / DWH / Data Marts
Optimización Nuevos Requerimientos
Arquitectura de Datos
Modelos de Datos
Calidad de Datos
ETL
Herramienta: Peticiones / IncidenciasGestión de la Capacidad
Modelos de Operación: Servicio a usuarios
Gobierno del dato
Ciclo de vida de los sistemas informacionales
20. Calidad del dato
Clave para que los sistemas de información tengan Valor
Definir y establecer los procedimientos para garantizarlo
Crítico: Golden sources
Cambio de los datos en el tiempo
Disponibilidad Oportunidad
Accesibilidad
Usabilidad
Consistencia
Veracidad
Integridad
Legalidad
Persistencia
24. Inteligencia artificial
¿Cómo sabemos si debemos estar ahí?
La inteligencia artificial es la serie de tecnologías que sirven para emular características o capacidades
exclusivas del intelecto humano. ... El término se aplica cuando una máquina imita
las funciones cognitivas que los humanos asocian con otras mentes humanas, como aprender o resolver
problemas, etc
La inteligencia artificial (IA) es una rama de la ciencia informática en la que las máquinas realizan tareas
como una mente humana, tales como aprender o razonar.
Los riesgos fundamentales son tres: accidentes, malos usos y carreras de armas. Los sistemas
de inteligencia artificial en ocasiones funcionan mal. Por ahora, los daños que pueden causar son
limitados, aunque ya ha habido accidentes fatales con coches autónomos.
25. Inteligencia artificial
Tipos de Inteligencia Artificial:
• Big data.
• Realidad virtual. ...
• Robótica e impresión 3D. ...
• Chatbots. ...
• Máquinas reactivas. ... Sin capacidad de formar recuerdos.
• Memoria limitada. ... La información del pasado (experiencia) es transitoria.
• Teoría de la mente. ... (conocer cómo piensan los demás, empatía).
• Autoconciencia. ... (decisiones basadas en experiencias pasadas).
https://www.apd.es/tipos-de-inteligencia-artificial/
26. Transformación digital: ¿Qué es y qué No es?:
“Valor a la empresa y a sus clientes”
Orientado a la estrategia empresarial más que a la tecnología
¿Cómo estimar el ROI?.
2. Mitos y realidad de la aplicación de la TD
27. ¿Qué es la Transformación Digital?
La transformación digital son las nuevas oportunidades de estrategia de negocios que
surgen gracias a la aparición de las tecnologías.
Lleva consigo nuevas aptitudes tanto en las personas físicas así como en la reinvención
de organizaciones que afectan al mercado global tradicional, e irá ligada con los
objetivos y estrategias empresariales.
la transformación digital es pieza clave en el plan de negocios o así lo estiman el 66% de
los CEOs según datos publicados por la consultora IDC.
La transformación tiene que ver con el valor de los servicios, la mejora del modelo de
negocio, la innovación , la diferenciación, las fortalezas, entender y escuchar a los
clientes, y adaptarse a ellos (a sus demandas y necesidades).
28. ¿Qué es la Transformación Digital?
• Genera experiencias nuevas al cliente.
• Mejora la eficiencia operativa. Digitalización cultural.
• Generar nuevas fuentes de ingresos.
• Capacidad de respuesta rápida ante los cambios en el mercado.
• Crear una ventaja competitiva para la organización.
• Impulsa la cultura de la innovación dentro de la organización.
• Mejora la colaboración interna.
• Profundiza el análisis de datos (Big Data).
• Disposición al cambio, saliendo de la zona de confort.
Áreas clave:
• Promueve una estrategia centrada en los clientes.
• Desarrolla y promueve un lenguaje tecnológico común entre directivos y tecnólogos.
• Crea y fomenta una cultura basada en la innovación.
• Ofrece una visión y un liderazgo que estimulen el progreso.
29. ¿Qué NO es la Transformación Digital?
• No es únicamente una cuestión de actualizar la tecnología.
• No es instalar un CRM, un ERP o un BPM, por ejemplo.
Eso lo puede hacer cualquiera.
• No es informatizar los procesos de la empresa.
• No es saturar a los clientes con banners.
• No es una tienda on-line.
• No es marketing digital y adquirir nuevas herramientas.
30. Incrementos de ingresos. Cuantificación de esas nuevas ventajas
competitivas generadas gracias a la mejora en la toma de decisiones.
Estos son algunos de los ejemplos:
• Incremento de la cifra de negocio.
• Identificación nuevas oportunidades de negocio.
• Identificación de clientes rentables y no rentables.
• Mejorar la satisfacción y el servicio a los clientes.
• Controlar la no rotura de stocks.
• Optimización de los precios.
• Mejorar el tiempo respuesta al mercado.
• Acelerar el desarrollo de nuevos productos.
• Alargar la duración y vida de los clientes.
• Monetización de los datos.
• Rapidez en la toma de decisiones.
¿Cómo estimar el ROI de proyectos de TD?
31. Ahorro de Costes. Podemos comparar los costes del sistema/procesos
actuales con los que obtendremos con esta nueva solución.
Estos son algunos de los ejemplos:
• Reducción de costes operativos.
• Automatización de procesos manuales.
• Mejora de los procesos operativos.
• Reducción de cuellos de botella y demoras.
• Reducción de errores.
• Reducción de penalizaciones.
• Reducción de quejas, indemnizaciones.
• Mejora en las conciliaciones.
• Reducción del coste de atención al cliente.
• Mejora el análisis y toma de decisiones. Soluciones predictivas.
• Maximizar la productividad del equipo de BI y más tiempo para el análisis.
¿Cómo estimar el ROI de proyectos de TD?
33. • El marketing por correo electrónico personalizado genera un ROI medio de 122%.
• En general, se estima que los esfuerzos de automatización de chatbots reducen los
costos de servicio al cliente en un 30%.
• En 2021, al menos el 40% del PIB europeo estará digitalizado, según IDC.
• …
ROI: algunos datos
O, quizás, no se pueda predecir el
ROI de forma específica,
simplemente se trata de sobrevivir
o desaparecer….
34. Big data / Smart data.
Analytics.
AI: Machine Learning & Deep Learning.
Reto de la ética.
3. Claves de la tecnología para la TD
35. Big Data es el sector emergente dentro del área de las tecnologías de la
información y la comunicación que se preocupa de cómo almacenar y
tratar grandes cantidades de información o conjuntos de datos.
Big Data permite innovar
La importancia de Big Data radica que en que
impacta tanto en la industria, como en el
negocio e incluso en nuestra sociedad y
además ofrece una ventaja competitiva
considerable.
¿Qué es Big Data y por qué es tan importante?
37. • Volumen: un sistema Big Data es capaz de almacenar una gran cantidad
de datos mediante infraestructuras escalables y distribuidas.
• Velocidad: una de las características más importantes es el tiempo de
procesado y respuesta sobre estos grandes volúmenes de datos,
obteniendo resultados en tiempo real y procesándolos en tiempos muy
reducidos.
• Variedad: las nuevas fuentes de datos proporcionan nuevos y distintos
tipos y formatos de información.
• Variabilidad: las tecnologías que componen una arquitectura Big Data
deben ser flexibles a la hora de adaptarse a nuevos cambios en el
formato de los datos y su procesado.
• Valor: el objetivo final es generar valor de toda la información
almacenada a través de distintos procesos de manera eficiente y con el
coste más bajo posible.
Necesidad Big data
38. ¿Vale la pena invertir en grandes cantidades de datos y análisis?:
• Identificación oportunidades de innovación.
• Previsión de los resultados financieros.
• Aumenta las ventas.
Analytics
La encuesta CIO de Gartner
2019 reveló que el 37% de las
organizaciones han implementado
alguna forma de inteligencia
artificial o aprendizaje automático.
39. Entre las características que debe poseer tu Arquitectura:
• Escalabilidad.
• Tolerancia a fallos.
• Distribución de los datos.
• Procesamiento distribuido.
• Localidad del dato.
A la hora de elegir Tecnologías se deben seguir las siguientes decisiones:
• En la ingesta de información: evaluar los tipos de fuentes.
• En el procesamiento: evaluar si el sistema tiene que ser streaming o batch.
• En la monitorización: multitud de herramientas y que su monitorización.
Aspectos a considerar en la Arquitectura / Tecnología
40. Cloud.
Mobilidad y multicanal (Onmichannel).
RRSS.
Seguridad y control: Data Governance y ética.
Gemelos digitales.
Más claves de la tecnología para la TD
41. 4. ¿Qué podemos hacer?. Propongo:
Cambio continuo, lidera TD con TIC e Innovación.
Enfoque de negocio.
Casos de uso.
Tendencias.
42. ¿Qué podemos hacer para transformarnos?
• Estrategia digital: definir la estrategia digital de la empresa implica que todos los
departamentos se sumen al cambio y colaboren en conjunto. Acciones de estrategia como el
diseño de un mapa de ciclo de vida del cliente, la incorporación de retroalimentación de los
clientes o la alineación de la tecnología con los procesos. La cultura interna de la organización
tiene que ser plenamente digital.
• Evolucionar como organización y en Recursos Humanos para abrir las puertas a
los trabajadores a un nuevo panorama digital en el que puedan potenciar su ingenio, innovar y
formarse digitalmente y adoptar actitudes emprendedoras.
• Implementar proyectos una vez se ha definido la estrategia teniendo en cuenta el entorno
digital y al cliente.
• Por último, optimizar y analizar la transformación digital desarrollando
mediciones de mejora, planificación y proyecciones futuras.
43. En cambio continuo: “te mueves o caducas”
• Las empresas con cada vez más líquidas: más ágiles y más flexibles.
Aprovechan las nuevas tecnologías digitales y técnicas de gestión para agilizar sus procesos y
reforzar la relación con sus clientes.
• Se debe basar en un proceso de cambio continuo, sin perder el
horizonte (la misión).
Cambio cultural y estratégico desde el interior de la empresa.
• Evitar la resistencia al cambio:
Utilizar metodología y técnicas de motivación: comunicarla, ejecutarla y fomentarla.
Trabajo conjunto (departamentos de negocio y tecnología).
• Orientación a procesos Proactivos más que Reactivos.
• Planteamiento de nuevos modelos de negocio y formas de hacer las
cosas.
• Compartir información con otras empresas o sectores.
Desde el Open-Data hasta buscar sinergias.
Se recomienda: evaluar las capacidades necesarias antes de empezar, y reforzarlas.
44. ¿Qué quieren las empresas?
• Llegar a más clientes.
• Fidelizar clientes.
• Mejorar sus canales, procesos, productos, servicios y sistemas.
¿Qué necesitan las empresas?
• Una mejora tecnológica competitiva.
¿Cómo lo planteamos?
• DATA LAKE: Gestión masiva y gobernada de la información.
BIG DATA: INNOVACIÓN DE DATOS
ACCESO SIMPLIFICADO, GOBERNABILIDAD Y SEGURIDAD DE DATOS, RÁPIDO DESCUBRIMIENTO Y
PREDICCIÓN.
Enfoque de Negocio: Innovación Data Management
45. REDUCIR COSTES DE INFORMACIÓN
• Reducción tiempo de procesos.
• Reducción de almacenamiento.
• Centralizar procesos de similares
características.
• Tratamiento de nuevas fuentes de
información.
REDUCCIÓN TIME TO MARKET DE LA
EXPLOTACION DE LA INFORMACIÓN
• Información gobernada y/o
centralizada.
• Data Management.
Estrategia y Valor añadido
46. ¿Cómo lo vendo?
Identificar los Sponsor
y Stakeholder
Diseño y elaboración
de métricas
Construcción de un
Business Case
Cuenta una historia
(Story Telling)
Hablar en términos de
negocio
Mostrar, no hablar
47. • Análisis personalizado de perfil según cliente mediante un historial de
interacciones o actividades.
• Capacidad de análisis en tiempo real.
• Análisis social masivo, demográfico o de mercado.
• Descubrir nuevas oportunidades de mercado mediante análisis de
tendencias y comportamiento.
Los ‘clicks’ que haces importan.
• Resolver las limitaciones del Business Intelligence tradicional.
Casos de uso: Análisis de negocio
48. • Este análisis se basa en la opinión general de la población sobre un
elemento además del resto de información que se puede obtener de
diversos canales. Permitiendo responder a todo tipo de preguntas del
tipo:
¿Cuál es el perfil de la población contenta/descontenta con un
producto en concreto?
¿A qué suceso es debida la variación de la opinión en un espacio
temporal concreto?
Casos de uso: Análisis de sentimiento
49. • Un análisis completo de seguridad puede llegar a involucrar muchas
fuentes de información como logs (de servidores o web, por ejemplo),
transacciones con los clientes o distintos sensores. Las tecnologías Big
Data permiten almacenar todo el contenido (no estructurado) ofrecido
por estas fuentes (por ejemplo: SIEM) sin tener que hacer una
preselección o cualquier tipo de proceso.
Un ejemplo más específicos es la detección de ataques
cibernéticos (como malware en el sistema o phishing) para
detectar intentos de fraude.
Casos de uso: Seguridad
* SIEM: Security Information and Event Management.
50. Almacenamiento y
Procesamiento de
Históricos
Análisis de Información
de Diversas Fuentes en
Real-time y/o Batch
Análisis en Tiempo
Real de Logs e
Información No
Estructurada
Análisis de Patrones de
Movilidad y Clientes
Análisis de Redes
Sociales On-line
Marketing Viral y
Prevención de Churn
Viral
Perfilado Web Análisis de Datos de
Navegación
Casos de uso
51. Motor de
Recomendación y
previsión de ventas /
demanda
Optimización de
Marketing y Servicios
a Terceros
(B2C y B2B)
Smart Cities y
reconocimiento de
imágenes
Análisis de Seguridad
y fraude
Casos de uso
55. Source: Future of Jobs Survey 2018, World Economic Forum.
Tecnologías por proporción de empresas que probablemente las adoptarán para 2022 (proyectado)
Tendencia: La apuesta por las tecnologías
Y, la innovación!!