El volumen y la forma en que generamos y consumimos datos se ha transformado en los últimos años. Las Data Driven Enterprises aprovechan esta explosión de datos para tomar decisiones generadoras de valor.
El constante uso de las tecnologías ha traído consigo un crecimiento explosivo en la cantidad de datos. El gran contenido de valor que genera este tipo de información está permitiendo a las organizaciones una mejora en la toma de sus decisiones, lo que conlleva a la obtención de ventajas competitivas en los diferentes campos de acción. En este artículo se describe el estado del arte, las oportunidades, retos y tendencias que existen sobre “Big Data Analytics”, con un enfoque hacia el Software.
Mejorando la calidad y el ciclo de vida de los datos en proyectos educativosDeustoTech Learning
Webinar SNOLA. Los datos requieren un pre-procesamiento para su posterior análisis utilizando técnicas de learning analytics. Es necesario eliminar datos inconsistentes, incompletos, imprecisos, etc. Esto redundará en una mejor calidad, rendimiento y mantenimiento.
Esta presentación describe una técnica sencilla para priorizar tareas según la frecuencia de uso Vs. la dificultad de efectuar la tarea manualmente (o con la herramienta existente)
La presente ponencia busca mostrar la importancia del trabajo conjunto de equipos clientes y equipo de desarrollo para la construcción de software, fomentar el involucramiento de los equipos y mostrar técnicas para obtener el mayor provecho de las prácticas ágiles que involucran a clientes y usuarios como parte del proceso de desarrollo.
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...Pentaho
This webinar is in Spanish -
El uso de análisis predictivo o minería de datos está en auge. A nivel mundial, cada vez más, las empresas contratan servicios especializados de análisis de información que ayuden a marcar una diferencia con la competencia. Por otro lado, el volumen creciente de data así como su naturaleza cambiante y compleja, hacen inmanejable el proceso de análisis de forma tradicional y está siendo necesario incorporar tecnología y consultoría de punta, basada en el uso de modelos matemáticos avanzados. Pentaho Corporation y Matrix CPM Solutions los invita a participar en el seminario en línea “Análisis Predictivo con Pentaho Data Mining”, en donde se revisarán las grandes oportunidades que existen para su uso y aplicación.
Transformación en una compañía DATA-DRIVEN - PowerDataPowerData
El dato como centro de la toma de decisiones para la alta dirección. La cultura DATA-DRIVEN es la que se apoya en los datos para tomar mejores decisiones y escoger las alternativas
óptimas.
VÍDEO SEMINARIO ONLINE sobre DATA-DRIVEN: http://landings.powerdata.es/data-driven-company-video-webinar
El constante uso de las tecnologías ha traído consigo un crecimiento explosivo en la cantidad de datos. El gran contenido de valor que genera este tipo de información está permitiendo a las organizaciones una mejora en la toma de sus decisiones, lo que conlleva a la obtención de ventajas competitivas en los diferentes campos de acción. En este artículo se describe el estado del arte, las oportunidades, retos y tendencias que existen sobre “Big Data Analytics”, con un enfoque hacia el Software.
Mejorando la calidad y el ciclo de vida de los datos en proyectos educativosDeustoTech Learning
Webinar SNOLA. Los datos requieren un pre-procesamiento para su posterior análisis utilizando técnicas de learning analytics. Es necesario eliminar datos inconsistentes, incompletos, imprecisos, etc. Esto redundará en una mejor calidad, rendimiento y mantenimiento.
Esta presentación describe una técnica sencilla para priorizar tareas según la frecuencia de uso Vs. la dificultad de efectuar la tarea manualmente (o con la herramienta existente)
La presente ponencia busca mostrar la importancia del trabajo conjunto de equipos clientes y equipo de desarrollo para la construcción de software, fomentar el involucramiento de los equipos y mostrar técnicas para obtener el mayor provecho de las prácticas ágiles que involucran a clientes y usuarios como parte del proceso de desarrollo.
Predictive Analytics with Pentaho Data Mining - Análisis Predictivo con Penta...Pentaho
This webinar is in Spanish -
El uso de análisis predictivo o minería de datos está en auge. A nivel mundial, cada vez más, las empresas contratan servicios especializados de análisis de información que ayuden a marcar una diferencia con la competencia. Por otro lado, el volumen creciente de data así como su naturaleza cambiante y compleja, hacen inmanejable el proceso de análisis de forma tradicional y está siendo necesario incorporar tecnología y consultoría de punta, basada en el uso de modelos matemáticos avanzados. Pentaho Corporation y Matrix CPM Solutions los invita a participar en el seminario en línea “Análisis Predictivo con Pentaho Data Mining”, en donde se revisarán las grandes oportunidades que existen para su uso y aplicación.
Transformación en una compañía DATA-DRIVEN - PowerDataPowerData
El dato como centro de la toma de decisiones para la alta dirección. La cultura DATA-DRIVEN es la que se apoya en los datos para tomar mejores decisiones y escoger las alternativas
óptimas.
VÍDEO SEMINARIO ONLINE sobre DATA-DRIVEN: http://landings.powerdata.es/data-driven-company-video-webinar
Análisis y procesamiento de datos para descubrir conocimientoAlex Rayón Jerez
Taller práctico "Análisis y procesamiento de datos para descubrir conocimiento" como segundo paso a la capacitación de una organización para la explotación de los datos para aumentar la inteligencia de negocios.
El objetivo de esta conferencia es presentar los 3 conceptos esenciales en las áreas de business analytics y data science para asegurar una correcta ejecución de los proyectos. ¿Cómo lograr realizar un proyecto de data science exitoso?
Presentación de la charla realizada el 25 de febrero de 2016 en Barcelona dentro del evento "HackForGood"
http://hackforgood.net/agenda/agenda-barcelona/
Por parte del profesor José Ramón Rodríguez, director del Máster en Inteligencia de negocio y Big Data de la UOC.
In this opportunity I spoke about the distinct way that we have on azure to manage data pipelines and what are the best practices. I showed to the audience some bid data, stream data and transnational data architecture using Azure services
Presentación de la charla People Analytics desde las perspectivas de las Relaciones del Trabajo a cargo de Sergio García Mora en el marco de la Comisión Privados RT
Se analizan buenas prácticas que los bibliotecarios pueden implementar en sus servicios de información basados en datos para los usuarios académicos, en particular quienes se dedican a la investigación científica
Análisis y procesamiento de datos para descubrir conocimientoAlex Rayón Jerez
Taller práctico "Análisis y procesamiento de datos para descubrir conocimiento" como segundo paso a la capacitación de una organización para la explotación de los datos para aumentar la inteligencia de negocios.
El objetivo de esta conferencia es presentar los 3 conceptos esenciales en las áreas de business analytics y data science para asegurar una correcta ejecución de los proyectos. ¿Cómo lograr realizar un proyecto de data science exitoso?
Presentación de la charla realizada el 25 de febrero de 2016 en Barcelona dentro del evento "HackForGood"
http://hackforgood.net/agenda/agenda-barcelona/
Por parte del profesor José Ramón Rodríguez, director del Máster en Inteligencia de negocio y Big Data de la UOC.
In this opportunity I spoke about the distinct way that we have on azure to manage data pipelines and what are the best practices. I showed to the audience some bid data, stream data and transnational data architecture using Azure services
Presentación de la charla People Analytics desde las perspectivas de las Relaciones del Trabajo a cargo de Sergio García Mora en el marco de la Comisión Privados RT
Se analizan buenas prácticas que los bibliotecarios pueden implementar en sus servicios de información basados en datos para los usuarios académicos, en particular quienes se dedican a la investigación científica
Guía para hacer un Plan de Negocio para tu emprendimiento.pdfpppilarparedespampin
Esta Guía te ayudará a hacer un Plan de Negocio para tu emprendimiento. Con todo lo necesario para estructurar tu proyecto: desde Marketing hasta Finanzas, lo imprescindible para presentar tu idea. Con esta guía te será muy fácil convencer a tus inversores y lograr la financiación que necesitas.
Anna Lucia Alfaro Dardón, Harvard MPA/ID. The international successful Case Study of Banco de Desarrollo Rural S.A. in Guatemala - a mixed capital bank with a multicultural and multisectoral governance structure, and one of the largest and most profitable banks in the Central American region.
INCAE Business Review, 2010.
Anna Lucía Alfaro Dardón
Dr. Ivan Alfaro
Dr. Luis Noel Alfaro Gramajo
Anna Lucia Alfaro Dardón, Harvard MPA/ID.
Opportunities, constraints and challenges for the development of the small and medium enterprise (SME) sector in Central America, with an analytical study of the SME sector in Nicaragua. - focused on the current supply and demand gap for credit and financial services.
Anna Lucía Alfaro Dardón
Dr. Ivan Alfaro
2. Agenda
● Una pequeña historia
● La escena actual
● ¿Cómo tomamos decisiones?
● Data Driven Enterprises
● Agile Analytics
○ Lean Analytics
● Notas finales
9. Data Lake
Carga (Load)TransformaciónExtracción
Estructura jerárquica
Datos relacionales
Los datos se limpian y procesan antes de
ser consumidos
Los procesos de ETL son estáticos
ETL Tradicional
Estructura plana
Etiquetas de metadatos
Los datos se colocan crudos (o
mínimamente tratados)
Los datos se alistan a demanda
No requiere construcción de procesos
estáticos específicos
Data Lake
ConsumoDatos crudos
Fowler, M. (2015) Data Lake. http://martinfowler.com/bliki/DataLake.html
Terrizzano, I., Schwarz, P. M., Roth, M., & Colino, J. E. (2015). Data Wrangling: The Challenging
Yourney from the Wild to the Lake. In CIDR.
11. Los tomadores de decisiones
Betsch, T., & Haberstroh, S. (Eds.). (2014). The routines of decision making.
Psychology Press.
Pettigrew, A. M. (2014). The politics of organizational decision-making.
Routledge.
12. Los motivos
Obsolescencia
Regulaciones
Betsch, T., & Haberstroh, S. (Eds.). (2014). The routines of decision making.
Psychology Press.
Pettigrew, A. M. (2014). The politics of organizational decision-making.
Routledge.
15. Mitos
● Toma mucho obtener resultados
● Para ser Data Driven se requiere:
○ Ser una compañía grande
○ Tener una gran cantidad de datos
○ Tener Big Data
■ Invertir en sofisticadas y costosas soluciones
○ Tener Data Scientists en el equipo
● Una empresa Data Driven debe:
○ Tener datos sobre todo
■ Sobre absolutamente todo
Davenport, T. (2014). Big data at work: dispelling the myths, uncovering the
opportunities. Harvard Business Review Press.
Deva, D (2015) Agile Data Science
http://www.slideshare.net/DhianaDevaRocha/agile-data-science-54621593
16. Entonces, ¿qué es ser Data Driven?
● Reconocer la importancia de tener datos limpios
○ Y hacer esfuerzos por mantenerlos limpios
● Validar modelos empíricos
● Proveer información a los niveles táctico y estratégico
● Usar datos para mejora continua
○ Procesos operativos
○ Operación interna
● Hablar el lenguaje del negocio
● Entender y responder preguntas de negocio
○ Oportunamente
○ Con información relevanteSanders, N. R. (2014). Big Data Driven Supply Chain Management: A Framework for
Implementing Analytics and Turning Information Into Intelligence. Pearson Education.
Selwyn, N. (2015). Data entry: Towards the critical study of digital data and
education. Learning, Media and Technology, 40(1), 64-82.
18. La realidad...
Iffat, N., Chaudhry, S., Bilal, W. A., & Rabail, A. (2015). An Empirical Study on Critical Failure Factors and
Business Intelligent System Failure at Pre-implementation Phase in Small and Medium Enterprises in
Pakistan.Business and Economics Journal, 2016.
TDWI Research, 2011. TDWI BI Benchmark Reports: Organizational and Performance metrics for Business
Intelligence teams. TDWI.
● Agregar nuevas fuente de datos es costoso.
○ Tiempo
○ Esfuerzo
○ Costo de oportunidad
● Muchos proyectos de datos fallan
○ Innovación técnica no agrega el valor deseado
○ Análisis preliminar exhaustivo
○ Fuentes de datos sub utilizadas (o jamás utilizadas)
19. ¿Qué es Agile Analytics?
Procesos + Metodologías + Herramientas + Tecnologías
Estructura organizacional
+
Toma de decisiones
Mayor
flexibilidad
Enfoque en
entrega de
valor
Resultados
tempranos
Evita
inversión
innecesaria
Colaboración, Dev Ops: Automatización, Integración / Entrega continua
Collier, K. (2011). Agile analytics: A value-driven approach to business intelligence and data warehousing. Addison-Wesley.
Deva, D (2015) Agile Data Science http://www.slideshare.net/DhianaDevaRocha/agile-data-science-54621593
Evelson, B. (2011). Trends 2011 And Beyond: Business Intelligence. Agility Will Shape Business Intelligence For The Next Decade, Forrester
Research.
23. ¡Analytics en acción!
Croll, A & Yoskovitz, B. (2013). Lean Analytics. O’REILLY
Correlación Causalidad
Proyectar / Predecir Cambiar comportamiento
Identificar correlación
Probar causalidad
Optimizar factores
causales
!=
24. Encuentra UNA MEDIDA que importe
● OMTM (Only measure that matters)
○ Objetivo de negocio
○ Comparable
○ Trazable
Croll, A & Yoskovitz, B. (2013). Lean Analytics. O’REILLY
Identifica un problema de negocio
Escoge una OMTM
Decide a dónde quieres ir
Y empieza!