SlideShare una empresa de Scribd logo
1 de 45
PROGRAMA DE BIG DATA Y
BUSINESS INTELLIGENCE
Optimización de procesos
Alex Rayón Jerez
alex.rayon@deusto.es
@alrayon
Febrero, 2016. Madrid.
2
Índice de contenidos
●Introducción
●Analítica de procesos de negocio
●En el ámbito industrial
●Business case
3
Índice de contenidos
●Introducción
●Analítica de procesos de negocio
●En el ámbito industrial
●Business case
4
Introducción
Fuente: http://www.meiyusheng.com/big-data-smart-data/
5
Introducción (II)
“SMART business is a solution that
encourages us all to step back from the
hype and the noise around data –
especially Big Data – and take stock of
where we are, where we are trying to get
to and what data and tools we can employ
to help us get there.”
Marr, Bernard (2015-01-09). Big Data: Using SMART Big Data, Analytics and Metrics To Make
Better Decisions and Improve Performance (Kindle Locations 414-415). Wiley. Kindle Edition.
6
Introducción (III)
●Permite el acceso en tiempo real a información
fiable sobre todos los aspectos de su negocio:
o Disponer de la visibilidad, comprensión y control sobre el
rendimiento financiero
o Medir, monitorizar y ajustar resultados empresariales de
forma más eficiente es algo al alcance de unos pocos
●Big data analytics permite esto y mucho más, ya
que impulsa la agilidad empresarial y afina la
planificación estratégica, proporcionando
información que mejora la toma de decisiones
7
Introducción (IV)
Fuente: http://www.lgcnsblog.com/inside-it/the-role-of-it-in-the-interaction-between-me-and-you-part-3/
8
Introducción (V)
Fuente: http://www.forbes.com/sites/louiscolumbus/2014/12/29/where-big-data-jobs-will-be-in-2015/#3e4ae2b1404a
9
Índice de contenidos
●Introducción
●Analítica de procesos de negocio
●En el ámbito industrial
●Business case
10
Analítica de procesos
¿Cómo?
11
Analítica de procesos
¿Cómo? (II)
The insights derived from data with the right kind of
modelling and analysis techniques stretches beyond
the enterprise and can lead not only to more
efficient operations but also to new business
models, market strategies and disruptive innovation
across various levels of the supply chain
Linking Big Data to Big Process Improvement…An Imperative
12
Analítica de procesos
Herramientas analíticas
Fuente: http://www.mckinsey.com/business-functions/operations/our-insights/how-big-data-can-improve-manufacturing
13
Analítica de procesos
Herramientas analíticas (II)
●Análisis de correlación
o Identificar los elementos o componentes que más
determinan el rendimiento del proceso
o Formular primeras hipótesis para las causas o elementos
raíz de un efecto dentro de nuestros procesos
o Analizar la variabilidad y los desviaciones
14
Analítica de procesos
Herramientas analíticas (III)
●Test de significancia
o Contrastar hipótesis iniciales o causas
o Centrar el foco en los factores más significativos para
poder seguir con la investigación
15
Analítica de procesos
Herramientas analíticas (IV)
●Redes neuronales artificiales
o Modelizar procesos complejos para cuantificar el impacto
de los parámetros identificados
o Además, permiten calcular los rangos óptimos para los
parámetros que están siendo investigados
16
Analítica de procesos
Herramientas analíticas (V)
●Visualizaciones de datos
o Identificar patrones iniciales
§ A través de los estadísticos básicos como medias
móviles, histogramas de distribución, desviaciones
estándar, clusterización, etc.
o De esta manera, se puede priorizar y ordenar las
colecciones de datos y sus análisis por orden de
importancia y significatividad
17
Analítica de procesos
Modelado de procesos
New uses of proven
analytical tools will serve
manufacturers across a
range of industries and
processes
Fuente: http://www.mckinsey.com/business-
functions/operations/our-insights/when-big-data-goes-
lean
18
Analítica de procesos
Modelado de procesos (II)
●Simulación de Monte Carlo
o Proporciona soluciones aproximadas a una gran variedad
de problemas matemáticos posibilitando la realización de
experimentos con muestreos
o El método es aplicable a cualquier tipo de problema, ya
sea estocástico o determinista
o Mostrar una gran cantidad de escenarios posibles
o Se simula múltiples ocasiones un evento y se observa su
resultado
o Sirve cuando hay dos o más variables que se comportan
o Dinámicamente, permite detectar cuellos de botella y el
impacto de las acciones o intervenciones realizadas
19
Analítica de procesos
Modelado de procesos (III)
●Planificación de la producción y la distribución
o Determinación del uso de recursos óptimos para el
resultado u objetivo que se quiere alcanzar
o Permite realizar combinaciones entre
§ Líneas de producción sustituibles
§ Límites técnicos
§ Costes de oportunidad
§ Niveles de servicio
o De esta manera, se puede optimizar los resultados y los
márgenes
20
Analítica de procesos
Modelado de procesos (IV)
●Planificación de la capacidad
o Evalúa y determina cuándo y dónde es necesaria una
capacidad adicional
o Especialmente útil y relevante cuándo la conexión y
relación entre el uso de recursos de entrada (input) y de
salida (output) no está muy claro o es complejo
o Para la optimización de líneas de producción resulta
especialmente útil
21
Analítica de procesos
Modelado de procesos (V)
●Modelización value-in-use
o Mide el impacto del uso de diferentes grados y niveles de
materias primas a lo largo de la cadena de valor
integrada
o Permite conocer el impacto de medidas de ahorro de
materia prima y su impacto táctico a nivel de
§ Satisfacción del cliente
§ Tiempo de entrega
§ Estimación económica
22
Analítica de procesos
Modelado de procesos (VI)
●Optimización de la
demanda y los precios
o Optimización de la
distribución de
productos terminados
entre los centros
regionales y su
contribución a la
demanda total agregada
o Optimización de los
precios en tiempo real
Fuente: http://whitebirchsoftware.com/blogs/price-elasticity-models-and-optimizationc
23
Analítica de procesos
Modelado de procesos (VI)
●Optimización de los
parámetros de
procesos
o Evalúa y determina
parámetros técnicos
óptimos para la mejora de
la productividad
o Muy empleado, también
por cuestiones
medioambientales y de
RSC
Fuente: http://hipertextual.com/archivo/2013/11/que-es-kanban/
24
Analítica de procesos
Reingeniería de procesos
Ziff Davis Enterprise (2008)
25
Índice de contenidos
●Introducción
●Analítica de procesos de negocio
●En el ámbito industrial
●Business case
26
Ámbito industrial
Introducción
27
Ámbito industrial
Modelos
●Diagnósticos predictivos
o Identificar de manera eficiente los posibles patrones en
los datos de calidad del producto, datos de fabricación,
las reclamaciones de garantía , informes de servicio y los
datos de uso sobre los productos
●Data Mining en fabricación
o Mirando a los factores causales de los problemas de
calidad, la variabilidad del proceso y la trazabilidad de las
piezas a través del proceso de fabricación son algunos de
los casos de uso que se ensayan en la fabricación
28
Ámbito industrial
Modelos (II)
●Análisis de Garantía
o Reducción significativa de los costes de garantía a través
de la identificación de las discrepancias en las
reclamaciones de garantía, ya sea debido a
reclamaciones no válidas, inadecuada formación de
técnicos, problemas de fraude, o una advertencia
temprana de fallos de las piezas
●Servicios remotos inteligentes
o Detectar y resolver un problema potencial antes de que
la empresa se encuentre con él
29
Ámbito industrial
Planteamientos
● Una vez que se dispone de un buen ecosistema
de almacenamiento de datos…
o Modelo reactivo
§ Detectar eventos y actuar
o Modelo preventivo
§ Prevenir el suceso de los eventos
30
Ámbito industrial
Arquitectura de datos
● Las señales digitales generan millones de
registros
● Dado el gran volumen de datos que provocan las
mediciones industriales (las frecuencias de
muestreo es cuestión de segundos)
o Se suben de manera continua esas mediciones de las
señales digitales a un cluster Hadoop
o Esto sí es un proyecto Big Data real
●Se construye un modelo analítico predictivo
●Se extiende el modelo analítico al Sistema de
Control en tiempo real con nuevas variables
31
Ámbito industrial
Arquitectura de datos (II)
Fuente: https://en.wikipedia.org/wiki/Data_science
32
Ámbito industrial
Modelo analítico
● Cuando se aplica un modelo analítico predictivo
en el ámbito industrial, se puede:
o Identificar y definir la duración prevista de fallo de una
medición, un sensor, etc.
o Incluso se puede prever la rotura del mismo
o Concretar la calidad real del sensor
33
Índice de contenidos
●Introducción
●Analítica de procesos de negocio
●En el ámbito industrial
●Business case
34
Business case
Facility Type: Hotels and Motels
● Operational Effectiveness and Energy
Management (OE & EM) for Hospitality
industry
o Hoteles y moteles
o Problema de optimización: comfort de los huéspedes y a
la vez eficiencia energética
o Los Sistemas de Control de Edificaciones son herederos
directos de los sistemas de control y automatización
industrial
§ Sistemas con limitadas capacidades de intercambio
de datos y estandarización de su uso
§ Siglo XXI: TCP/IP, XML, etc.
35
Business case
Facility Type: Hotels and Motels (II)
●Los sistemas de gestión operativos y energéticos
trabajan por silos
o No comparten datos
o No tienen en su gran mayoría ni: despliegue Cloud,
transferencia rápida de datos, estándares abiertos, etc.
→ difícil mejora en el proceso de toma de decisiones
Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
36
Business case
Facility Type: Hotels and Motels (III)
● La solución pasa por una gestión energética y
operativa conjunta que
o Programación óptima
o Detección de cuellos de botella y puntos de ruptura
o Mantenimientos preventivos
o Reducción de las pérdidas energéticas
o Búsqueda continua de puntos óptimos de eficiencia
●Para ello se hace precisa la integración de todos
los sistemas (BMS, medidores, Sistemas de
control de las habitacione, etc.) y sus datos
o Los datos son centralizados en una única plataforma
37
Business case
Facility Type: Hotels and Motels (IV)
Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
38
●Esta solución permite:
o La recolección estructurada de millones de mediciones y
datos
o Detección de desviaciones en tiempo real
o Tendencias para la señalización de alertas
o Gestión de las planificaciones y programaciones
o Monitorización del consumo
o etc.
●Es decir, identificar los “What” (Análisis de
patrones), los “Why” (por qué pasan las cosas
buscando causa - efecto) para poder modificar
de nuevo los “What”
Business case
Facility Type: Hotels and Motels (V)
39
Business case
Facility Type: Hotels and Motels (VI)
Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
40
Business case
Facility Type: Hotels and Motels (VII)
Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
41
Business case
Facility Type: Hotels and Motels (VIII)
●Con este enfoque “Analytics based Operational
Effectiveness and Energy Management“
concluimos:
o Bajo CAPEX para alcanzar esa excelencia operativa y
eficiencia energética conjuntamente
o Mejora continua en la mejora de la eficiencia
o Reducción de costes de mantenimiento gracias al uso de
máquinas que automáticamente detecten tendencias y
patrones
42
Business case
Facility Type: Hotels and Motels (IX)
● ¿Quién gana?
o Proceso de compras
§ Planificación de las compras de sensores
§ Incremento de la calidad
§ Diversificación proveedores
o Proceso de fabricación
§ Reducción del coste de mantenimiento
● Optimización de los puntos de parada
● Reducción de los costes de cambio
● Reducción coste energético
§ Calidad de las líneas de producción
o Riesgos laborales
43
Business case
Una visión operativa y funcional del Internet of Things
Fuente: http://eu.mouser.com/applications/sensor-fusion-iot/
Fuente: https://leantesting.com/resources/how-do-we-test-the-internet-of-things/
Copyright (c) 2016 University of Deusto
This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative
Commons “Attribution-ShareAlike” License. To view a copy of this license, visit
http://creativecommons.org/licenses/by-sa/3.0/
Alex Rayón Jerez
Febrero 2016
PROGRAMA DE BIG DATA Y
BUSINESS INTELLIGENCE
Optimización de procesos
Alex Rayón Jerez
alex.rayon@deusto.es
@alrayon
Febrero, 2016. Madrid.

Más contenido relacionado

La actualidad más candente

Introducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business IntelligenceIntroducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business IntelligenceAlex Rayón Jerez
 
Procesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimientoProcesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimientoAlex Rayón Jerez
 
Customer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataCustomer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataAlex Rayón Jerez
 
La economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesLa economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesAlex Rayón Jerez
 
Cómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big dataCómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big dataAlex Rayón Jerez
 
El Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceEl Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceAlex Rayón Jerez
 
Análisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimientoAnálisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimientoAlex Rayón Jerez
 
Mejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataMejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataAlex Rayón Jerez
 
Herramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosHerramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosAlex Rayón Jerez
 
Ciclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business IntelligenceCiclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business IntelligenceAlex Rayón Jerez
 
Curso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroigCurso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroigOveralia
 
Curso analitica-web-cebek-2014-overalia
Curso analitica-web-cebek-2014-overaliaCurso analitica-web-cebek-2014-overalia
Curso analitica-web-cebek-2014-overaliaOveralia
 
Clase 1, 2 y 3 inteligencia comercial
Clase 1, 2 y 3  inteligencia comercialClase 1, 2 y 3  inteligencia comercial
Clase 1, 2 y 3 inteligencia comercial09765625
 
Sistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketingSistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketingAlberto Jimenez
 
Mk inteligencia comercial
Mk inteligencia comercialMk inteligencia comercial
Mk inteligencia comercialAdolfo del Río
 
Presentación Corporativa 2014
Presentación Corporativa 2014Presentación Corporativa 2014
Presentación Corporativa 2014DatKnoSys
 
Unidad 2 Sistemas de Información de Mercadotecnia
Unidad 2 Sistemas de Información de MercadotecniaUnidad 2 Sistemas de Información de Mercadotecnia
Unidad 2 Sistemas de Información de Mercadotecniaconchita_consentyda
 

La actualidad más candente (20)

Introducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business IntelligenceIntroducción al Big Data y el Business Intelligence
Introducción al Big Data y el Business Intelligence
 
Procesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimientoProcesamiento y visualización de datos para generar nuevo conocimiento
Procesamiento y visualización de datos para generar nuevo conocimiento
 
Customer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big DataCustomer Lifetime Value Management con Big Data
Customer Lifetime Value Management con Big Data
 
La economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidadesLa economía del dato: transformando sectores, generando oportunidades
La economía del dato: transformando sectores, generando oportunidades
 
Cómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big dataCómo optimizar mi estrategia de marketing a través del big data
Cómo optimizar mi estrategia de marketing a través del big data
 
El Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligenceEl Big Data en la dirección comercial: market(ing) intelligence
El Big Data en la dirección comercial: market(ing) intelligence
 
Análisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimientoAnálisis y procesamiento de datos para descubrir conocimiento
Análisis y procesamiento de datos para descubrir conocimiento
 
Mejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big DataMejorando la experiencia de cliente a través del Big Data
Mejorando la experiencia de cliente a través del Big Data
 
Herramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructuradosHerramientas y metodologías Big Data para acceder a datos no estructurados
Herramientas y metodologías Big Data para acceder a datos no estructurados
 
Ciclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business IntelligenceCiclo de vida del dato en ambientes de Business Intelligence
Ciclo de vida del dato en ambientes de Business Intelligence
 
El scoring bancario en los tiempos del Big Data
El scoring bancario en los tiempos del Big DataEl scoring bancario en los tiempos del Big Data
El scoring bancario en los tiempos del Big Data
 
Curso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroigCurso verano upv_2013_eustat_overalia_guillermo_vilarroig
Curso verano upv_2013_eustat_overalia_guillermo_vilarroig
 
Inteligencia de negocios
Inteligencia de negociosInteligencia de negocios
Inteligencia de negocios
 
Curso analitica-web-cebek-2014-overalia
Curso analitica-web-cebek-2014-overaliaCurso analitica-web-cebek-2014-overalia
Curso analitica-web-cebek-2014-overalia
 
Clase 1, 2 y 3 inteligencia comercial
Clase 1, 2 y 3  inteligencia comercialClase 1, 2 y 3  inteligencia comercial
Clase 1, 2 y 3 inteligencia comercial
 
Sistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketingSistemas de apoyo a las decisiones de marketing
Sistemas de apoyo a las decisiones de marketing
 
Mk inteligencia comercial
Mk inteligencia comercialMk inteligencia comercial
Mk inteligencia comercial
 
Inteligencia comercial
Inteligencia comercialInteligencia comercial
Inteligencia comercial
 
Presentación Corporativa 2014
Presentación Corporativa 2014Presentación Corporativa 2014
Presentación Corporativa 2014
 
Unidad 2 Sistemas de Información de Mercadotecnia
Unidad 2 Sistemas de Información de MercadotecniaUnidad 2 Sistemas de Información de Mercadotecnia
Unidad 2 Sistemas de Información de Mercadotecnia
 

Destacado

El Big Data en mi empresa ¿de qué me sirve?
El Big Data en mi empresa  ¿de qué me sirve?El Big Data en mi empresa  ¿de qué me sirve?
El Big Data en mi empresa ¿de qué me sirve?Alex Rayón Jerez
 
Enterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftEnterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftMongoDB
 
Fomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesFomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesAlex Rayón Jerez
 
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Alex Rayón Jerez
 
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAnálisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAlex Rayón Jerez
 
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Alex Rayón Jerez
 
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...MongoDB
 
Las competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasLas competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasAlex Rayón Jerez
 
Búsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeBúsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeAlex Rayón Jerez
 

Destacado (10)

El Big Data en mi empresa ¿de qué me sirve?
El Big Data en mi empresa  ¿de qué me sirve?El Big Data en mi empresa  ¿de qué me sirve?
El Big Data en mi empresa ¿de qué me sirve?
 
Enterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoftEnterprise Reporting with MongoDB and JasperSoft
Enterprise Reporting with MongoDB and JasperSoft
 
Introducción al software libre y open source
Introducción al software libre y open sourceIntroducción al software libre y open source
Introducción al software libre y open source
 
Fomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas socialesFomentando la colaboración en el aula a través de herramientas sociales
Fomentando la colaboración en el aula a través de herramientas sociales
 
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
Deusto Knowledge Hub como herramienta de publicación y descubrimiento de cono...
 
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text MiningAnálisis de Redes Sociales (Social Network Analysis) y Text Mining
Análisis de Redes Sociales (Social Network Analysis) y Text Mining
 
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
Utilizando Google Drive y Google Docs en el aula para trabajar con mis estudi...
 
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
Advanced Reporting and ETL for MongoDB: Easily Build a 360-Degree View of You...
 
Las competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricasLas competencias digitales como método de observación de competencias genéricas
Las competencias digitales como método de observación de competencias genéricas
 
Búsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizajeBúsqueda, organización y presentación de recursos de aprendizaje
Búsqueda, organización y presentación de recursos de aprendizaje
 

Similar a Optimización de procesos con el Big Data

Retos y oportunidades de la Analítica avanzada y Big Data en la industria
Retos y oportunidades de la Analítica avanzada y Big Data en la industriaRetos y oportunidades de la Analítica avanzada y Big Data en la industria
Retos y oportunidades de la Analítica avanzada y Big Data en la industriaIbermática.digital
 
Big Data para procesos. De TV3 a cualquier PYME
Big Data para procesos. De TV3 a cualquier PYMEBig Data para procesos. De TV3 a cualquier PYME
Big Data para procesos. De TV3 a cualquier PYMEOpenBigDataManagement
 
Actividad de aprendizaje 8
Actividad de aprendizaje 8Actividad de aprendizaje 8
Actividad de aprendizaje 8MaxQD
 
Gerencia de Producción y Operaciones I Unidad I - Sesion II
Gerencia de Producción y Operaciones I   Unidad I - Sesion IIGerencia de Producción y Operaciones I   Unidad I - Sesion II
Gerencia de Producción y Operaciones I Unidad I - Sesion IIMitzi Linares Vizcarra
 
Plantilla unidad II
Plantilla unidad IIPlantilla unidad II
Plantilla unidad IIAnnie Mrtx
 
Data Analytics Portfolio - Global MFT 170622.pdf
Data Analytics Portfolio - Global MFT 170622.pdfData Analytics Portfolio - Global MFT 170622.pdf
Data Analytics Portfolio - Global MFT 170622.pdfJose Manuel Andrade Cuadra
 
La investigacion operativa aplicado a la administracion
La investigacion operativa aplicado a la administracionLa investigacion operativa aplicado a la administracion
La investigacion operativa aplicado a la administracionSandra Bolo Gomez
 
Entregable final Analítica de Datos
Entregable final Analítica de DatosEntregable final Analítica de Datos
Entregable final Analítica de Datosale sierra
 
El plan de sistemas de información
El plan de sistemas de informaciónEl plan de sistemas de información
El plan de sistemas de informaciónMateo Amengual
 
Empresa comercial1
Empresa comercial1Empresa comercial1
Empresa comercial11milo7
 
Empresa comercial1
Empresa comercial1Empresa comercial1
Empresa comercial11milo7
 
Análisis de Requerimientos
Análisis de RequerimientosAnálisis de Requerimientos
Análisis de RequerimientosUTPL UTPL
 
Ventaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptxVentaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptxRafaelHerrera509055
 
Introducción curso ingeniería de la producción - CESA
Introducción curso ingeniería de la producción - CESAIntroducción curso ingeniería de la producción - CESA
Introducción curso ingeniería de la producción - CESAribonilla
 
Control de desempeño para procesos de negocios
Control de desempeño para procesos de negociosControl de desempeño para procesos de negocios
Control de desempeño para procesos de negociosIntellego Chile
 
Evaluable final de Analítica de Datos
Evaluable final de Analítica de DatosEvaluable final de Analítica de Datos
Evaluable final de Analítica de Datosunitecluisserrano
 
Presentacion BI 2008 en la Universida Catolica del Uruguay
Presentacion BI 2008 en la Universida Catolica del UruguayPresentacion BI 2008 en la Universida Catolica del Uruguay
Presentacion BI 2008 en la Universida Catolica del UruguayMarcelo Sabia
 
Sistemas de informacion de caja trujillo con mipe
Sistemas de informacion de caja trujillo con mipeSistemas de informacion de caja trujillo con mipe
Sistemas de informacion de caja trujillo con mipeJim Kenny
 

Similar a Optimización de procesos con el Big Data (20)

Retos y oportunidades de la Analítica avanzada y Big Data en la industria
Retos y oportunidades de la Analítica avanzada y Big Data en la industriaRetos y oportunidades de la Analítica avanzada y Big Data en la industria
Retos y oportunidades de la Analítica avanzada y Big Data en la industria
 
Big Data para procesos. De TV3 a cualquier PYME
Big Data para procesos. De TV3 a cualquier PYMEBig Data para procesos. De TV3 a cualquier PYME
Big Data para procesos. De TV3 a cualquier PYME
 
Actividad de aprendizaje 8
Actividad de aprendizaje 8Actividad de aprendizaje 8
Actividad de aprendizaje 8
 
Gerencia de Producción y Operaciones I Unidad I - Sesion II
Gerencia de Producción y Operaciones I   Unidad I - Sesion IIGerencia de Producción y Operaciones I   Unidad I - Sesion II
Gerencia de Producción y Operaciones I Unidad I - Sesion II
 
Plantilla unidad II
Plantilla unidad IIPlantilla unidad II
Plantilla unidad II
 
Data Analytics Portfolio - Global MFT 170622.pdf
Data Analytics Portfolio - Global MFT 170622.pdfData Analytics Portfolio - Global MFT 170622.pdf
Data Analytics Portfolio - Global MFT 170622.pdf
 
La investigacion operativa aplicado a la administracion
La investigacion operativa aplicado a la administracionLa investigacion operativa aplicado a la administracion
La investigacion operativa aplicado a la administracion
 
Entregable final Analítica de Datos
Entregable final Analítica de DatosEntregable final Analítica de Datos
Entregable final Analítica de Datos
 
Prácticas de BI para CRM
Prácticas de BI para CRMPrácticas de BI para CRM
Prácticas de BI para CRM
 
El plan de sistemas de información
El plan de sistemas de informaciónEl plan de sistemas de información
El plan de sistemas de información
 
Empresa comercial1
Empresa comercial1Empresa comercial1
Empresa comercial1
 
Empresa comercial1
Empresa comercial1Empresa comercial1
Empresa comercial1
 
Análisis de Requerimientos
Análisis de RequerimientosAnálisis de Requerimientos
Análisis de Requerimientos
 
Asignación 3
Asignación 3Asignación 3
Asignación 3
 
Ventaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptxVentaja competitiva y creación de valor.pptx
Ventaja competitiva y creación de valor.pptx
 
Introducción curso ingeniería de la producción - CESA
Introducción curso ingeniería de la producción - CESAIntroducción curso ingeniería de la producción - CESA
Introducción curso ingeniería de la producción - CESA
 
Control de desempeño para procesos de negocios
Control de desempeño para procesos de negociosControl de desempeño para procesos de negocios
Control de desempeño para procesos de negocios
 
Evaluable final de Analítica de Datos
Evaluable final de Analítica de DatosEvaluable final de Analítica de Datos
Evaluable final de Analítica de Datos
 
Presentacion BI 2008 en la Universida Catolica del Uruguay
Presentacion BI 2008 en la Universida Catolica del UruguayPresentacion BI 2008 en la Universida Catolica del Uruguay
Presentacion BI 2008 en la Universida Catolica del Uruguay
 
Sistemas de informacion de caja trujillo con mipe
Sistemas de informacion de caja trujillo con mipeSistemas de informacion de caja trujillo con mipe
Sistemas de informacion de caja trujillo con mipe
 

Más de Alex Rayón Jerez

El poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaEl poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaAlex Rayón Jerez
 
Profesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyProfesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyAlex Rayón Jerez
 
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Alex Rayón Jerez
 
Visual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónVisual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónAlex Rayón Jerez
 
Yo como persona emprendedora
Yo como persona emprendedoraYo como persona emprendedora
Yo como persona emprendedoraAlex Rayón Jerez
 
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Alex Rayón Jerez
 
La transformación digital del sector financiero
La transformación digital del sector financieroLa transformación digital del sector financiero
La transformación digital del sector financieroAlex Rayón Jerez
 
Marketing digital para la captación de más clientes
Marketing digital para la captación de más clientesMarketing digital para la captación de más clientes
Marketing digital para la captación de más clientesAlex Rayón Jerez
 
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Alex Rayón Jerez
 

Más de Alex Rayón Jerez (9)

El poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero éticaEl poder de los datos: hacia una sociedad inteligente, pero ética
El poder de los datos: hacia una sociedad inteligente, pero ética
 
Profesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoyProfesiones de mañana para trabajar hoy
Profesiones de mañana para trabajar hoy
 
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
Pentaho Data Integration: Extrayendo, integrando, normalizando y preparando m...
 
Visual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualizaciónVisual analytics: poniendo en valor el dato a través de la visualización
Visual analytics: poniendo en valor el dato a través de la visualización
 
Yo como persona emprendedora
Yo como persona emprendedoraYo como persona emprendedora
Yo como persona emprendedora
 
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
Smart Data para la mejora de la educación y sus procesos de enseñanza aprendi...
 
La transformación digital del sector financiero
La transformación digital del sector financieroLa transformación digital del sector financiero
La transformación digital del sector financiero
 
Marketing digital para la captación de más clientes
Marketing digital para la captación de más clientesMarketing digital para la captación de más clientes
Marketing digital para la captación de más clientes
 
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
Las competencias digitales en mi empresa: ¿en qué me pueden ayudar?
 

Último

Época colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocaÉpoca colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocacecifranco1981
 
ANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdf
ANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdfANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdf
ANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdflvela1316
 
2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docx2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docxCarlosEnriqueArgoteC
 
Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14KevinBuenrostro4
 
CONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocx
CONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocxCONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocx
CONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocxMarlynRocaOnofre
 
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdfPROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdfmihayedo
 
Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024sergeycrastz06
 
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...Andrés Canale
 
11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptx
11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptx11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptx
11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptxFESARAUGUSTOFANDIORI
 
DESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptx
DESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptxDESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptx
DESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptxMARCOSMARTINALACAYOP1
 
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATRBIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATRDanielGrajeda7
 
a propósito de la globalización y sus efectos
a propósito de la globalización y sus efectosa propósito de la globalización y sus efectos
a propósito de la globalización y sus efectossubfabian
 
Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)portafoliodigitalyos
 
cuadernillo_cuentos_de_los_valores_elprofe20 (1).docx
cuadernillo_cuentos_de_los_valores_elprofe20 (1).docxcuadernillo_cuentos_de_los_valores_elprofe20 (1).docx
cuadernillo_cuentos_de_los_valores_elprofe20 (1).docxANDREAGRACEDURANSALA
 
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)JonathanCovena1
 
Cerebelo Anatomía y fisiología Clase presencial
Cerebelo Anatomía y fisiología Clase presencialCerebelo Anatomía y fisiología Clase presencial
Cerebelo Anatomía y fisiología Clase presencialDanita2111
 
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdfMETODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdfNilssaRojas1
 

Último (20)

Época colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la épocaÉpoca colonial: vestimenta, costumbres y juegos de la época
Época colonial: vestimenta, costumbres y juegos de la época
 
Power Point: Luz desde el santuario.pptx
Power Point: Luz desde el santuario.pptxPower Point: Luz desde el santuario.pptx
Power Point: Luz desde el santuario.pptx
 
ANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdf
ANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdfANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdf
ANTOLOGIA COMPLETA ANITA LA ABEJITA PARA LA LECTOESCRITURA EN PRIMER GRADO.pdf
 
2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docx2.15. Calendario Civico Escolar 2024.docx
2.15. Calendario Civico Escolar 2024.docx
 
Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14Profecia 2300 dias explicada, Daniel 8:14
Profecia 2300 dias explicada, Daniel 8:14
 
CONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocx
CONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocxCONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocx
CONCLUSIONES DESCRIPTIVAS TIC que ayudaran a tus registrosdocx
 
Sesión de clase: Luz desde el santuario.pdf
Sesión de clase: Luz desde el santuario.pdfSesión de clase: Luz desde el santuario.pdf
Sesión de clase: Luz desde el santuario.pdf
 
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdfPROBLEMAS DE GENÉTICA  CON ÁRBOLES GENEALÓGICOS.pdf
PROBLEMAS DE GENÉTICA CON ÁRBOLES GENEALÓGICOS.pdf
 
Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024Seguridad y virus informáticos 12°B 2024
Seguridad y virus informáticos 12°B 2024
 
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
IMPLICACIONES BIOÉTICAS ANTE EL TRANSHUMANISMO A PARTIR DEL PENSAMIENTO FILOS...
 
11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptx
11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptx11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptx
11.NEOLIBERALISMO: que es, ventajas, desventajas, consecuenciaspptx
 
DESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptx
DESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptxDESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptx
DESCRIPCIÓN-LOS-DILEMAS-DEL-CONOCIMIENTO.pptx
 
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATRBIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
BIENESTAR TOTAL - LA EXPERIENCIA DEL CLIENTE CON ATR
 
a propósito de la globalización y sus efectos
a propósito de la globalización y sus efectosa propósito de la globalización y sus efectos
a propósito de la globalización y sus efectos
 
Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)Como construir los vínculos afectivos (Grupal)
Como construir los vínculos afectivos (Grupal)
 
cuadernillo_cuentos_de_los_valores_elprofe20 (1).docx
cuadernillo_cuentos_de_los_valores_elprofe20 (1).docxcuadernillo_cuentos_de_los_valores_elprofe20 (1).docx
cuadernillo_cuentos_de_los_valores_elprofe20 (1).docx
 
Revista Faro Normalista 6, 18 de mayo 2024
Revista Faro Normalista 6, 18 de mayo 2024Revista Faro Normalista 6, 18 de mayo 2024
Revista Faro Normalista 6, 18 de mayo 2024
 
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
Análisis de la situación actual .La Matriz de Perfil Competitivo (MPC)
 
Cerebelo Anatomía y fisiología Clase presencial
Cerebelo Anatomía y fisiología Clase presencialCerebelo Anatomía y fisiología Clase presencial
Cerebelo Anatomía y fisiología Clase presencial
 
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdfMETODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
METODOS DE EXTRACCIÓN E IDENTIFICACIÓN - 2024.pdf
 

Optimización de procesos con el Big Data

  • 1. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Optimización de procesos Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.
  • 2. 2 Índice de contenidos ●Introducción ●Analítica de procesos de negocio ●En el ámbito industrial ●Business case
  • 3. 3 Índice de contenidos ●Introducción ●Analítica de procesos de negocio ●En el ámbito industrial ●Business case
  • 5. 5 Introducción (II) “SMART business is a solution that encourages us all to step back from the hype and the noise around data – especially Big Data – and take stock of where we are, where we are trying to get to and what data and tools we can employ to help us get there.” Marr, Bernard (2015-01-09). Big Data: Using SMART Big Data, Analytics and Metrics To Make Better Decisions and Improve Performance (Kindle Locations 414-415). Wiley. Kindle Edition.
  • 6. 6 Introducción (III) ●Permite el acceso en tiempo real a información fiable sobre todos los aspectos de su negocio: o Disponer de la visibilidad, comprensión y control sobre el rendimiento financiero o Medir, monitorizar y ajustar resultados empresariales de forma más eficiente es algo al alcance de unos pocos ●Big data analytics permite esto y mucho más, ya que impulsa la agilidad empresarial y afina la planificación estratégica, proporcionando información que mejora la toma de decisiones
  • 9. 9 Índice de contenidos ●Introducción ●Analítica de procesos de negocio ●En el ámbito industrial ●Business case
  • 11. 11 Analítica de procesos ¿Cómo? (II) The insights derived from data with the right kind of modelling and analysis techniques stretches beyond the enterprise and can lead not only to more efficient operations but also to new business models, market strategies and disruptive innovation across various levels of the supply chain Linking Big Data to Big Process Improvement…An Imperative
  • 12. 12 Analítica de procesos Herramientas analíticas Fuente: http://www.mckinsey.com/business-functions/operations/our-insights/how-big-data-can-improve-manufacturing
  • 13. 13 Analítica de procesos Herramientas analíticas (II) ●Análisis de correlación o Identificar los elementos o componentes que más determinan el rendimiento del proceso o Formular primeras hipótesis para las causas o elementos raíz de un efecto dentro de nuestros procesos o Analizar la variabilidad y los desviaciones
  • 14. 14 Analítica de procesos Herramientas analíticas (III) ●Test de significancia o Contrastar hipótesis iniciales o causas o Centrar el foco en los factores más significativos para poder seguir con la investigación
  • 15. 15 Analítica de procesos Herramientas analíticas (IV) ●Redes neuronales artificiales o Modelizar procesos complejos para cuantificar el impacto de los parámetros identificados o Además, permiten calcular los rangos óptimos para los parámetros que están siendo investigados
  • 16. 16 Analítica de procesos Herramientas analíticas (V) ●Visualizaciones de datos o Identificar patrones iniciales § A través de los estadísticos básicos como medias móviles, histogramas de distribución, desviaciones estándar, clusterización, etc. o De esta manera, se puede priorizar y ordenar las colecciones de datos y sus análisis por orden de importancia y significatividad
  • 17. 17 Analítica de procesos Modelado de procesos New uses of proven analytical tools will serve manufacturers across a range of industries and processes Fuente: http://www.mckinsey.com/business- functions/operations/our-insights/when-big-data-goes- lean
  • 18. 18 Analítica de procesos Modelado de procesos (II) ●Simulación de Monte Carlo o Proporciona soluciones aproximadas a una gran variedad de problemas matemáticos posibilitando la realización de experimentos con muestreos o El método es aplicable a cualquier tipo de problema, ya sea estocástico o determinista o Mostrar una gran cantidad de escenarios posibles o Se simula múltiples ocasiones un evento y se observa su resultado o Sirve cuando hay dos o más variables que se comportan o Dinámicamente, permite detectar cuellos de botella y el impacto de las acciones o intervenciones realizadas
  • 19. 19 Analítica de procesos Modelado de procesos (III) ●Planificación de la producción y la distribución o Determinación del uso de recursos óptimos para el resultado u objetivo que se quiere alcanzar o Permite realizar combinaciones entre § Líneas de producción sustituibles § Límites técnicos § Costes de oportunidad § Niveles de servicio o De esta manera, se puede optimizar los resultados y los márgenes
  • 20. 20 Analítica de procesos Modelado de procesos (IV) ●Planificación de la capacidad o Evalúa y determina cuándo y dónde es necesaria una capacidad adicional o Especialmente útil y relevante cuándo la conexión y relación entre el uso de recursos de entrada (input) y de salida (output) no está muy claro o es complejo o Para la optimización de líneas de producción resulta especialmente útil
  • 21. 21 Analítica de procesos Modelado de procesos (V) ●Modelización value-in-use o Mide el impacto del uso de diferentes grados y niveles de materias primas a lo largo de la cadena de valor integrada o Permite conocer el impacto de medidas de ahorro de materia prima y su impacto táctico a nivel de § Satisfacción del cliente § Tiempo de entrega § Estimación económica
  • 22. 22 Analítica de procesos Modelado de procesos (VI) ●Optimización de la demanda y los precios o Optimización de la distribución de productos terminados entre los centros regionales y su contribución a la demanda total agregada o Optimización de los precios en tiempo real Fuente: http://whitebirchsoftware.com/blogs/price-elasticity-models-and-optimizationc
  • 23. 23 Analítica de procesos Modelado de procesos (VI) ●Optimización de los parámetros de procesos o Evalúa y determina parámetros técnicos óptimos para la mejora de la productividad o Muy empleado, también por cuestiones medioambientales y de RSC Fuente: http://hipertextual.com/archivo/2013/11/que-es-kanban/
  • 24. 24 Analítica de procesos Reingeniería de procesos Ziff Davis Enterprise (2008)
  • 25. 25 Índice de contenidos ●Introducción ●Analítica de procesos de negocio ●En el ámbito industrial ●Business case
  • 27. 27 Ámbito industrial Modelos ●Diagnósticos predictivos o Identificar de manera eficiente los posibles patrones en los datos de calidad del producto, datos de fabricación, las reclamaciones de garantía , informes de servicio y los datos de uso sobre los productos ●Data Mining en fabricación o Mirando a los factores causales de los problemas de calidad, la variabilidad del proceso y la trazabilidad de las piezas a través del proceso de fabricación son algunos de los casos de uso que se ensayan en la fabricación
  • 28. 28 Ámbito industrial Modelos (II) ●Análisis de Garantía o Reducción significativa de los costes de garantía a través de la identificación de las discrepancias en las reclamaciones de garantía, ya sea debido a reclamaciones no válidas, inadecuada formación de técnicos, problemas de fraude, o una advertencia temprana de fallos de las piezas ●Servicios remotos inteligentes o Detectar y resolver un problema potencial antes de que la empresa se encuentre con él
  • 29. 29 Ámbito industrial Planteamientos ● Una vez que se dispone de un buen ecosistema de almacenamiento de datos… o Modelo reactivo § Detectar eventos y actuar o Modelo preventivo § Prevenir el suceso de los eventos
  • 30. 30 Ámbito industrial Arquitectura de datos ● Las señales digitales generan millones de registros ● Dado el gran volumen de datos que provocan las mediciones industriales (las frecuencias de muestreo es cuestión de segundos) o Se suben de manera continua esas mediciones de las señales digitales a un cluster Hadoop o Esto sí es un proyecto Big Data real ●Se construye un modelo analítico predictivo ●Se extiende el modelo analítico al Sistema de Control en tiempo real con nuevas variables
  • 31. 31 Ámbito industrial Arquitectura de datos (II) Fuente: https://en.wikipedia.org/wiki/Data_science
  • 32. 32 Ámbito industrial Modelo analítico ● Cuando se aplica un modelo analítico predictivo en el ámbito industrial, se puede: o Identificar y definir la duración prevista de fallo de una medición, un sensor, etc. o Incluso se puede prever la rotura del mismo o Concretar la calidad real del sensor
  • 33. 33 Índice de contenidos ●Introducción ●Analítica de procesos de negocio ●En el ámbito industrial ●Business case
  • 34. 34 Business case Facility Type: Hotels and Motels ● Operational Effectiveness and Energy Management (OE & EM) for Hospitality industry o Hoteles y moteles o Problema de optimización: comfort de los huéspedes y a la vez eficiencia energética o Los Sistemas de Control de Edificaciones son herederos directos de los sistemas de control y automatización industrial § Sistemas con limitadas capacidades de intercambio de datos y estandarización de su uso § Siglo XXI: TCP/IP, XML, etc.
  • 35. 35 Business case Facility Type: Hotels and Motels (II) ●Los sistemas de gestión operativos y energéticos trabajan por silos o No comparten datos o No tienen en su gran mayoría ni: despliegue Cloud, transferencia rápida de datos, estándares abiertos, etc. → difícil mejora en el proceso de toma de decisiones Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
  • 36. 36 Business case Facility Type: Hotels and Motels (III) ● La solución pasa por una gestión energética y operativa conjunta que o Programación óptima o Detección de cuellos de botella y puntos de ruptura o Mantenimientos preventivos o Reducción de las pérdidas energéticas o Búsqueda continua de puntos óptimos de eficiencia ●Para ello se hace precisa la integración de todos los sistemas (BMS, medidores, Sistemas de control de las habitacione, etc.) y sus datos o Los datos son centralizados en una única plataforma
  • 37. 37 Business case Facility Type: Hotels and Motels (IV) Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
  • 38. 38 ●Esta solución permite: o La recolección estructurada de millones de mediciones y datos o Detección de desviaciones en tiempo real o Tendencias para la señalización de alertas o Gestión de las planificaciones y programaciones o Monitorización del consumo o etc. ●Es decir, identificar los “What” (Análisis de patrones), los “Why” (por qué pasan las cosas buscando causa - efecto) para poder modificar de nuevo los “What” Business case Facility Type: Hotels and Motels (V)
  • 39. 39 Business case Facility Type: Hotels and Motels (VI) Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
  • 40. 40 Business case Facility Type: Hotels and Motels (VII) Fuente: https://www.linkedin.com/pulse/big-data-use-case-operations-energy-management-hotels-ankur-thareja
  • 41. 41 Business case Facility Type: Hotels and Motels (VIII) ●Con este enfoque “Analytics based Operational Effectiveness and Energy Management“ concluimos: o Bajo CAPEX para alcanzar esa excelencia operativa y eficiencia energética conjuntamente o Mejora continua en la mejora de la eficiencia o Reducción de costes de mantenimiento gracias al uso de máquinas que automáticamente detecten tendencias y patrones
  • 42. 42 Business case Facility Type: Hotels and Motels (IX) ● ¿Quién gana? o Proceso de compras § Planificación de las compras de sensores § Incremento de la calidad § Diversificación proveedores o Proceso de fabricación § Reducción del coste de mantenimiento ● Optimización de los puntos de parada ● Reducción de los costes de cambio ● Reducción coste energético § Calidad de las líneas de producción o Riesgos laborales
  • 43. 43 Business case Una visión operativa y funcional del Internet of Things Fuente: http://eu.mouser.com/applications/sensor-fusion-iot/ Fuente: https://leantesting.com/resources/how-do-we-test-the-internet-of-things/
  • 44. Copyright (c) 2016 University of Deusto This work (but the quoted images, whose rights are reserved to their owners*) is licensed under the Creative Commons “Attribution-ShareAlike” License. To view a copy of this license, visit http://creativecommons.org/licenses/by-sa/3.0/ Alex Rayón Jerez Febrero 2016
  • 45. PROGRAMA DE BIG DATA Y BUSINESS INTELLIGENCE Optimización de procesos Alex Rayón Jerez alex.rayon@deusto.es @alrayon Febrero, 2016. Madrid.