3. Big Data
Big data es el análisis de la información para identificar tendencias, patrones y
conocimientos que nos permitan tomar mejores decisiones de negocio
4. La oportunidad
Las nuevas tecnologías para el tratamiento
de datos hacen posible gestionar y analizar
todos los datos disponiblesen su forma
nativa:
no estructurada
estructurada
streaming
5. Impacto en el negocio
Agilidad Operativa
Analizar todos los datos operativos disponibles, reaccionar en tiempo real
y optimizar los procesos.
Conocer todo acerca de nuestros cliente
Analizar todas las fuentes de datos para conocer a nuestros clientes y
personalizar la oferta de productos y servicios de las interacciones de
canal, a los medios de comunicación social.
Prevención del Fraude y Riesgo
Desarrollar mejores modelos de fraude / riesgo mediante el análisis de
todos los datos disponibles, y detectar el fraude en tiempo real con el
análisis de las transacciones de streaming.
Impulsar y escalar la innovación
Captura todas las fuentes de datos retroalimentación y análisis de grandes
cantidades de datos para el desarrollo de nuevos productos y servicios.
6. ASP Value add
Descubrimiento, visualización y
navegación de datos.
Analisis Agil de los datos para mejorar la
visión de negocio e identificar nuevas
oportunidades.
Analisis en streaming de los datos para la
toma de decisones en tiempo real.
Soluciones ágiles en base a tecnologías
abiertas
7. Analisis Àgil
Necesidad del cliente
Ingerir datos tal y como son en Hadoop y obtener una visión de ella
Proceso de grandes volúmenes de datos diversos dentro de Hadoop
Combinar conocimientos con el almacén de datos
Analis nálisis ad-hoc para probar nuevas hipótesis
Proposición de Valor
Adquirir nuevos conocimientos a partir de una variedad y combinación de
fuentes de datos
Superar el costo prohibitivo de la conversión fuentes de datos no
estructurados a un formato estructurado
Extender el valor del almacén de datos mediante la incorporación de
nuevos tipos de datos y la conducción de nuevos tipos de análisis
Experimentar con el análisis de diferentes combinaciones de datos para
modificar los modelos analíticos en el almacén de datos
Ejemplos de clientes
Oferta personalizada de servicos financieros en Monty
8. Streaming de datos
Necesidad del cliente
Captura y proceso de datos en tiempo real, selección y agregación de información valiosa de negocio para su
posterior procesamiento
Proceso y analice de los datos perecederos, para la toma las decisiones oportunas.
Proposición de Valor
Se ha reducido significativamente el tiempo de procesamiento y costo - proceso y luego almacenar lo que es valioso
Reaccionar en tiempo real para capturar oportunidades antes de que caduquen
Ejemplos de clientes
Pedro Sanz - Generación automatica de oferttas personalizadas para captar y retener los clientes.
9. Descubrimiento y Navegación
Necesidad del cliente
Comprender las fuentes de datos existentes
Exponer los datos dentro existente sistemas de archivos de gestión de
contenidos y para nuevos usos, sin copiar el datos a una ubicación
central
Buscar y navegar por grandes datos de orígenes multicana
Proposición de Valor
Póngase en marcha rápidamente ydescubrir y recuperar grandes
datos relevantes
Utilizar fuentes de datos grandes en nuevo aplicaciones centradas en la
información
Ejemplos de clientes
Telefonica MSS SAQQRA - Generacíon de una vista 360 ° de las
amenazas y vulnerabilidades de seguridad de sus clientes
10. Soluciones Àgiles
Necesidad del cliente
Comprender las fuentes de datos existentes
Exponer los datos dentro existente sistemas de archivos de gestión de
contenidos y para nuevos usos, sin copiar el datos a una ubicación
central
Buscar y navegar por grandes datos de orígenes multicana
Proposición de Valor
Póngase en marcha rápidamente y descubrir y recuperar grandes
datos relevantes
Utilizar fuentes de datos grandes en nuevo aplicaciones centradas en la
información
Ejemplos de clientes
Telefonica MSS SAQQRA - Generación de una vista 360 ° de las
amenazas y vulnerabilidades de seguridad de sus clientes
14. Proceso tradicional
Convergencia de datos
Divergencia analítica
Descubre
Recopila
Filtra
Integra Aumenta
Analiza
Actúa
3-6 meses 2 meses 2-4 meses
15. Proceso ágil
Convergencia de datos
Divergencia analítica
Descubre
Recopila
Filtra
Integra Aumenta
Analiza
Actúa
3-6 meses 2 meses 2-4 meses
MPV, con un simple modelo de frecuencia
Mide el uso actual y sus beneficios
Aprende y evoluciona hacia una mejor comprensión
17. Un ejemplo
¿Qué características tienen los
clientes que nos están dejando?
¿Qué comportamientos de compra tienen
los clientes que se están yendo?
¿Cómo podemos retener a
clientes de alto valor que
están a punto de
abandonarnos?
¿Qué están diciendo los clientes que están
a punto de irse en las RRSS?
¿Podemos determinar el sentimiento de
nuestros clientes antes de irse?
¿Podemos determinar el sentimiento de
nuestros clientes antes de irse?
¿Podemos determinar el sentimiento de
nuestros clientes antes de irse?
¿Qué secuencia de eventos parece
que es la anima a nuestros clientes
a quedarse?
¿Qué secuencia de eventos parece
que es la anima a nuestros clientes
a quedarse?