Este documento describe cómo Watson Analytics puede utilizarse para analizar datos de procesos extraídos de sistemas de gestión de procesos de negocio (BPM). Watson Analytics permite refinar los datos, realizar consultas en lenguaje natural y crear cuadros de mando de forma intuitiva sin necesidad de conocimientos técnicos. El documento incluye ejemplos de consultas realizadas con datos de pedidos de clientes para analizar tendencias, comparar métricas y obtener información sobre el rendimiento.
Presentación durante el XXIX Encuentro de Telecomunicaciones y Economía Digital a cargo de Juan Angulo López-Dóriga, Director de Business Applications Services FUJITSU
Big Data Analytics: Automatización de Modelos PredictivosDMC Perú
Big Data Analytics requiere de forma ineludible la automatización de las distintas etapas involucradas en el desarrollo y mantenimiento de modelos. Se analizan las características de la utomatización en tres áreas del Analytics: Forecasting, Minería de Datos y Optimización, sus potencialidades y limitaciones. Se extraen también algunas conclusiones sobre cómo mejorar la práctica actual del analista.
CAPELLI 770 Tempest, 2010, £49,000 For Sale Brochure. Presented By yachtingel...Wolfgang Stolle
CAPELLI 770 Tempest
Poole, United Kingdom
Capelli 770 Tempest (2010) With Suzuki Df250.
For Sale Brochure. Presented By yachtingelite.com. Visit Site http://www.yachtingelite.com by yachtingelite.com. Real Estate,Luxury Property
Presentación durante el XXIX Encuentro de Telecomunicaciones y Economía Digital a cargo de Juan Angulo López-Dóriga, Director de Business Applications Services FUJITSU
Big Data Analytics: Automatización de Modelos PredictivosDMC Perú
Big Data Analytics requiere de forma ineludible la automatización de las distintas etapas involucradas en el desarrollo y mantenimiento de modelos. Se analizan las características de la utomatización en tres áreas del Analytics: Forecasting, Minería de Datos y Optimización, sus potencialidades y limitaciones. Se extraen también algunas conclusiones sobre cómo mejorar la práctica actual del analista.
CAPELLI 770 Tempest, 2010, £49,000 For Sale Brochure. Presented By yachtingel...Wolfgang Stolle
CAPELLI 770 Tempest
Poole, United Kingdom
Capelli 770 Tempest (2010) With Suzuki Df250.
For Sale Brochure. Presented By yachtingelite.com. Visit Site http://www.yachtingelite.com by yachtingelite.com. Real Estate,Luxury Property
Transición en la posesiónde balón en fútbol: de lo posible a lo probablefiebrefutbol .es
En este estudio hemos seleccionado una estructura de diseño que incorpora diferentes partidos de distintos equipos que jugaron el último Mundial de Fútbol, a través de un sistema de categorías aplicable a cada uno de los equipos observados exclusivamente en su acción de juego (posesión de balón, no posesión del balón y balón parado). A partir de un estudio de generalizabilidad se ha confirmado que la muestra seleccionada es representativa del conjunto de los partidos del mundial. Se ha utilizado una aplicación informática específica para la observación, codificación y registro de los eventos deportivos, Match Vision Studio (Perea, Alday y Castellano, 2006). La codificación de los partidos nos ha permitido conocer las secuencias de posesiones-no posesiones de balón que durante cada jugada o ‘balón en juego’ desarrollan los equipos durante la competición. Los resultados muestran que el porcentaje de balones en juego con una única posesión o no posesión del balón ha aumentado considerablemente en los últimos años.
Data WareHouse, es una técnica para apropiadamente consolidar y administrar datos provenientes de diversas fuentes, con el propósito de responder preguntas del negocio y tomar decisiones que no eran previamente posibles de realizar
Presentación introductoria al Big Data, y su aplicación en los negocios, impartida en la jornada organizada por Ascentic y PCTCAN en Santander, 12/05/2016
El presente trabajo nos permitirá comprender la importancia de la analítica de datos en las empresas, ya que ha sido una herramienta que ha permitido estimar escenarios futuros y con base a ello poder tomar decisiones estratégicas para asegurar el posicionamiento de las empresas en el mercado
Data Integration & Data Quality Open Source (spanish)Stratebi
Introducción a Data Quality: Qué es, Por qué, Conceptos, Beneficios de Data Quality
Data Quality & Business Intelligence:
Pilares del BI
Integración de datos
Mejores prácticas
Opensource & Data Quality:
Data Quality & Pentaho (PDI)
PDI / ETLs / Integridad / Validación
Data Cleaner
Integración Data Cleaner y PDI
Una estrategia de autoservicio ayuda a crear una cultura analítica al interior de las organizaciones, y mejora la labor de análisis de los usuarios de negocio.
En este whitepaper podrá conocer la importancia de la estrategia de BI de Autoservicio en las organizaciones.
Transición en la posesiónde balón en fútbol: de lo posible a lo probablefiebrefutbol .es
En este estudio hemos seleccionado una estructura de diseño que incorpora diferentes partidos de distintos equipos que jugaron el último Mundial de Fútbol, a través de un sistema de categorías aplicable a cada uno de los equipos observados exclusivamente en su acción de juego (posesión de balón, no posesión del balón y balón parado). A partir de un estudio de generalizabilidad se ha confirmado que la muestra seleccionada es representativa del conjunto de los partidos del mundial. Se ha utilizado una aplicación informática específica para la observación, codificación y registro de los eventos deportivos, Match Vision Studio (Perea, Alday y Castellano, 2006). La codificación de los partidos nos ha permitido conocer las secuencias de posesiones-no posesiones de balón que durante cada jugada o ‘balón en juego’ desarrollan los equipos durante la competición. Los resultados muestran que el porcentaje de balones en juego con una única posesión o no posesión del balón ha aumentado considerablemente en los últimos años.
Data WareHouse, es una técnica para apropiadamente consolidar y administrar datos provenientes de diversas fuentes, con el propósito de responder preguntas del negocio y tomar decisiones que no eran previamente posibles de realizar
Presentación introductoria al Big Data, y su aplicación en los negocios, impartida en la jornada organizada por Ascentic y PCTCAN en Santander, 12/05/2016
El presente trabajo nos permitirá comprender la importancia de la analítica de datos en las empresas, ya que ha sido una herramienta que ha permitido estimar escenarios futuros y con base a ello poder tomar decisiones estratégicas para asegurar el posicionamiento de las empresas en el mercado
Data Integration & Data Quality Open Source (spanish)Stratebi
Introducción a Data Quality: Qué es, Por qué, Conceptos, Beneficios de Data Quality
Data Quality & Business Intelligence:
Pilares del BI
Integración de datos
Mejores prácticas
Opensource & Data Quality:
Data Quality & Pentaho (PDI)
PDI / ETLs / Integridad / Validación
Data Cleaner
Integración Data Cleaner y PDI
Una estrategia de autoservicio ayuda a crear una cultura analítica al interior de las organizaciones, y mejora la labor de análisis de los usuarios de negocio.
En este whitepaper podrá conocer la importancia de la estrategia de BI de Autoservicio en las organizaciones.
Descubriendo el corazón de la optimización “Estadísticas más que un concepto”SpanishPASSVC
Las estadísticas son la base para calcular los registros en un query y permite a Sql Server calcular y solicitar recursos necesarios para el mejor procesamiento. En eta sesión vamos a explicar que son, como funcionan y cómo influyen en la ejecución de consultas.
CDO Mentoring: Impulsar las iniciativas de TI con la Fábrica de Datos (LATAM)Denodo
Watch full webinar here: https://bit.ly/3hcmbA8
En la era digital, la gestión eficiente de los datos es un factor fundamental para optimizar la competitividad de las empresas. Sin embargo, la mayoría de ellas se enfrentan a silos de datos, lo que hace que su tratamiento sea lento y costoso. Ello dificulta la capacidad de auto-servicio a los usuarios. Además, es muy difícil garantizar que los datos entregados a las aplicaciones de negocio cumplan con las reglas de gobierno y seguridad definidas en la organización.
- ¿Cómo mejorar la entrega de datos para extraer todo su valor?
- ¿Cómo acelerar el time-to-market en la provisión de los datos a negocio?
- ¿Cómo habilitar el auto-servicio para los usuarios de negocio de una forma eficiente?
- ¿Cómo conseguir que los datos entregados a las aplicaciones sigan las reglas de gobierno?
En esta sesión de CDO mentoring podrás descubrir el concepto de Fábrica de Datos, una de las tendencias más importantes en el ámbito del data management identificadas por Forrester y Gartner, y cómo la tecnología de la virtualización de datos nos puede ayudar a construirla.
Este enfoque de Fábrica de Datos ha revolucionado la forma en que se accede, se entrega, se consume y se gobierna la información, independientemente de su formato o ubicación. La virtualización de datos base para su implementación cierra la brecha entre los usuarios de TI y de negocio y ofrece importantes ahorros de tiempo y costes. Asimismo, los analistas de Gartner estiman que el 60% de las empresas habrán adoptado esta tecnología en 2022.
Agenda:
- Los desafíos actuales en la gestión de la información empresarial.
- ¿Qué es la Fábrica de Datos y cómo implementarla con una plataforma de virtualización de datos?
- Beneficios de la virtualización de datos para todo tipo de empresas
- Casos de uso y ejemplo de implementaciones exitosas
- Preguntas y respuestas
Introducción al Business Intelligence, sistemas OLAP, Data Warehouse, Data Marts, comparación metodologías Inmon y Kimball.
Curso de Análisis de la Información y la Decisión, Facultad de Ingeniería, Universidad de Palermo.
SAP S/4HANA: Por qué necesitas automatizar para impulsar una mayor eficiencia...Precisely
SAP S/4HANA aporta mejoras significativas a tus procesos SAP ERP. Sin embargo, a pesar de los avances, la necesidad de automatizar los procesos de datos relacionados con tu sistema SAP nunca ha sido mayor que ahora. Aunque las mejoras tecnológicas de SAP S/4HANA son innegables, muchos de los procesos y pasos que utilizamos para crear, gestionar y mantener nuestros datos han cambiado poco a lo largo de los años. Descubre por qué nunca ha sido tan importante automatizar los procesos de datos que incluyen SAP.
Proceedit 20151204 Encuentros BPM & BPaaS - Watson Analytics en process data ...Josep Mª Cos i Riera
De cómo Watson Analytics bucea entre los millones de datos generados por los procesos BPM para encontrar respuestas relevantes para los dueños y supervisores de los procesos
Proceedit 20151204 Encuentros BPM & BPaaS - Gran desafío BPaaS for pymes 2016Josep Mª Cos i Riera
Lanzamos el Gran desafío BPaaS for pymes 2016 para ayudar a 13 empresas pequeñas y medianas a avanzar muy rápido en el descubrimiento de sus procesos y en el despliegue de su primer proceso BPM en modalidad BPaaSi
Proceedit 20110414 Think Tic PresentacióN Congreso Cloud ComputingJosep Mª Cos i Riera
Presentación para el Congreso de Cloud Computing celebrado en el Think TIC de logroño el 14 y 15 de Abril de 2.011.
Hablamos de la gran transformación de la industris TIC, qué es BPM y BPMS, el mercado potencial del BPM, nuestro modelo de negocio y nuestro servicio DocMining de gestión integral de documentos en la nube.
2. 04/12/2015Watson Analytics en Process Data Mining P 2
BPM & BPaaS, claves para
la Transformación Digital.
Una reflexión a nivel CXO.
Lema del encuentro
3. Agenda – Sesión 2
04/12/2015Watson Analytics en Process Data Mining P 3
• Aplicación de Watson
Analytics en Process Data
Mining.
• Juan Carlos Guallart,
proceedit.
15:15
V
15:20
4. 04/12/2015Watson Analytics en Process Data Mining P 4
¿Por qué minería de datos de proceso y por qué con Watson Analytics?
• Los procesos BPM son
ya, y lo serán más en el
futuro, una de las
mayores fuentes de
datos de las
organizaciones.
• No sólo en cantidad de
los mismos sino en su
calidad y su interés de
cara a la mejora de la
eficiencia y a la toma de
decisiones.
¿Por qué minería de
datos de proceso?
• Watson Analytics representa un paso disruptivo hacia el
análisis cognitivo (inteligente) de grandes sets de
datos, de una forma intuitiva y con el menor esfuerzo
posible para el usuario de negocio.
• Con los datos brutos, sin ninguna preparación, WA
descubre automáticamente qué preguntas se
pueden hacer al set de datos, permite hacer nuevas
preguntas en lenguaje cuasi natural y realiza
predicciones en base a los mismos.
• Y todo ello con una interfaz de muy simple uso, apta
para usuario de negocio sin conocimiento previo
estadístico ni de programación.
¿Por qué con Watson Analytics by IBM?
5. 04/12/2015Watson Analytics en Process Data Mining P 5
Fases de análisis con Watson Analytics
Explorar y
análizar de sets
de datos
Áreas de trabajo
compartidas y
privadas
Crear cuadros de
mando y
presentaciones
Elaborar
predicciones
Refinar y limpiar
sets de datos
• Cambios de nombre de los
campos
• Añadir campos calculados
• Ocultar campos
• Eliminar registros
• …
6. 04/12/2015Watson Analytics en Process Data Mining P 6
Refino de datos del proceso de gestión de pedidos de clientes con Watson Analytics
Aplicar filtros
Cambiar nombre
y tipo de campo
Hacer cálculos,
agrupaciones de
columnas ..
Seleccionar
columnas para
visualización
Set de datos
extraidos del
proceso pedidos
de clientes
7. 04/12/2015Watson Analytics en Process Data Mining P 7
Consultas a set de datos del proceso de gestión de pedidos de clientes con Watson Analytics
Para elaborar
consultas ad hoc
en lenguaje cuasi
natural
Consultas propuestas
automáticamente por
Watson Analytics
Origen de datos
del elemento
seleccionado
8. 04/12/2015Watson Analytics en Process Data Mining P 8
¿Cómo plantear consultas ad hoc a Watson Analytics?
Consulta ad hoc
planteada
manualmente
• Compare, Trend, Contribution, Correlation,
Relationship, Breakdown, Grouping
• Where, When, How long.
• Average, Total, Maximum, Minimum.
• Top, bottom, best, worst, highest, lowest,
most, least
• Rows, How many, Count.
9. 04/12/2015Watson Analytics en Process Data Mining P 9
Resultado de la consulta ad hoc planteada a Watson Analytics
Consulta ad hoc
planteada
manualmente
Añadir filtros
Cambiar
visualiación
Cambiar
columnas
Cambiar
visualiación
10. 04/12/2015Watson Analytics en Process Data Mining P 10
Consulta ad hoc planteada a Watson Analytics
Consulta por
Año, País y
Cantidad
11. 04/12/2015Watson Analytics en Process Data Mining P 11
Consulta ad hoc planteada a Watson Analytics
Consulta por
Cantidad y Mes
12. 04/12/2015Watson Analytics en Process Data Mining P 12
Consulta ad hoc planteada a Watson Analytics
Consulta por
Cantidad, Mes y
Tipo
13. 04/12/2015Watson Analytics en Process Data Mining P 13
Consulta ad hoc planteada a Watson Analytics
Consulta por
Cantidad. Mes y
Subtipo
14. 04/12/2015Watson Analytics en Process Data Mining P 14
Consulta ad hoc planteada a Watson Analytics
Consulta de
Cantidad por
Cliente
15. 04/12/2015Watson Analytics en Process Data Mining P 15
Cuadros de mando y presentaciones con Watson Analytics
c
Combinar datos
de múltiples
orígenes
Aplicar filtros
Incluir
información y
criterios
16. 04/12/2015Watson Analytics en Process Data Mining P 16
Contacte con nosotros
Jordi Morera, proceedit
Director de Desarrollo de Negocio
jordi.morera@proceedit.com
+34 669 437 871
Josep Cos, proceedit
Socio Fundador
josep.cos@proceedit.com
+34 660 193 163
17. 04/12/2015Watson Analytics en Process Data Mining P 17
¡Muchas gracias
por su atención!
www.proceedit.com │ @proceedit