1. Big Data
Tom Sawada
tsawada@intellignos.com
@TomasSawada

2. Que pensamos que es Big Data?

5. Que es Big Data?

6. Que es Big Data?
• Modelos estadísticos aceptados
• Aplicado a un gran volumen de datos
• Mismos desvíos, errores y outliers
• Muchas veces montados sobre software
• y otras veces, no…

8. Usar modelos estadísticos que probablemente ya aprendimos…

9. Análisis de correlación (Relación lineal)
R2:$0,7$R:$0,83$
R:$Grado$de$asociación$(fuerza)$entre$las$variables$$ R2:$Explicación$de$la$variación$de$una$variable$respecto$de$la$otra$
Del$siguiente$análisis$se$puede$visualizar$una$fuerte$relación$
entre$las$visitas$y$la$Carga$del$CV.$En$donde$se$afirma$que$
la$variable$“Visitas”$se$encuentra$relacionada$$linealmente$
de$una$manera$fuerte$con$la$variable$dependiente$(0,8).$$De$
acuerdo$a$R2$podemos$indicar$que$el$70%$de$la$Carga$del$
CVs$son$explicadas$por$la$variable$independiente$Visitas.$
Del$siguiente$análisis$$puede$visualizar$una$fuerte$relación$
entre$la$Registración$y$la$Carga$del$CV.$En$donde$se$afirma$
que$la$variable$“Registrados”$se$encuentra$relacionada$en$
forma$directa$con$la$variable$dependiente$$(0,83).$$A$través$
de$R2$podemos$indicar$que$el$65%$de$la$Carga$del$CVs$son$
explicadas$por$la$variable$independiente$Registros.$
Correlación$entre$Visitas$y$Carga$de$CV$
Correlación$entre$Registración$$y$Carga$de$CV$
y$=$0.3282x$+$3752.5$
R²$=$0.65654$
0$
5000$
10000$
15000$
20000$
25000$
30000$
35000$
40000$
45000$
0$ 20000$ 40000$ 60000$ 80000$ 100000$
Carga$de$CV$
Registrados$(Postulantes)$
R2:$0,65$R:$0,81$
y$=$0.0101x$+$938.61$
R²$=$0.69465$
0$
10000$
20000$
30000$
40000$
50000$
$T$$$$ $1,000,000$$ $2,000,000$$ $3,000,000$$ $4,000,000$$
Carga$de$CV$
Visitas$

10. Análisis de correlación (Relación lineal)
R2:$0,02$R:$0,14$
Del$siguiente$análisis$puede$visualizar$que$no$existe$una$relación$directa$entre$la$inversión$publicitaria$y$la$variables$
independientes$(Visitas$y$Carga$de$CV$desde$tráfico$pago)$$
Análisis$de$Ia$inversión$publicitaria$(Google$Adwords)$vs.$El$volumen$de$visitas$y$el$volumen$de$
Carga$de$CV$
$$0$
$$100,000$
$$200,000$
$$300,000$
$$400,000$
$G$$$$
$1,000,000$$
$2,000,000$$
$3,000,000$$
$4,000,000$$
JulG12$
AugG12$
SepG12$
OctG12$
NovG12$
DecG12$
JanG13$
FebG13$
MarG13$
AprG13$
MayG13$
JunG13$
JulG13$
Visitas$ Inversión$Publicitaria$
y$=$G1.1113x$+$2E+06$
R²$=$0.02139$
$G$$$$
$1,000,000$$
$2,000,000$$
$3,000,000$$
$4,000,000$$
$$0$$$50,000$$$100,000$$$150,000$$$200,000$$$250,000$$$300,000$$$350,000$$$400,000$
Visitas$
Inversión$Publicitaria$
$G$$$$
$2,000$$
$4,000$$
$6,000$$
$$0$
$$100,000$
$$200,000$
$$300,000$
$$400,000$
JulG12$
AugG12$
SepG12$
OctG12$
NovG12$
DecG12$
JanG13$
FebG13$
MarG13$
AprG13$
MayG13$
JunG13$
JulG13$
Inversión$ Carga$de$CV$[TP]$
y$=$G0.0016x$+$3838.3$
R²$=$0.01976$
$G$$$$
$1,000$$
$2,000$$
$3,000$$
$4,000$$
$5,000$$
$6,000$$
100,000$ 150,000$ 200,000$ 250,000$ 300,000$ 350,000$ 400,000$
Carga$CV$[TP]$
Inversión$Publicitaria$
R2:$0,019$R:$0,14$
R:$Grado$de$asociación$(fuerza)$entre$las$variables$$ R2:$Explicación$de$la$variación$de$una$variable$respecto$de$la$otra$
Inversión$ Carga$CV$[TP]$
Visitas$ Inversión$

11. Cliente Mercenario
(compra ofertas y se queja)
Cliente fidelizado
(compra y recomienda)
Cliente Nuevo c/potenical
(compró y se repagó)
Cliente nuevo s/potenical
(compró oferta no se repagó)
Cliente perezoso
(le cuesta volver, pero al hacerlo compra)
Cliente fisgón
(mira mucho pero compra poco)
Cliente offline
(termina la compra offline)
Cliente estacional
(tiene períodos de compra)
Como se ven nuestros clientes?

12. Cliente Mercenario
desinvertir
Cliente fidelizado
cosechar
Cliente Nuevo c/potenical
sembrar / invertir
Cliente nuevo s/potenical
fomentar interés sin inversión
Cliente perezoso
activar / mantener activo
Cliente fisgón
generar interés y probar (testing!!!)
Cliente offline
Generar UX ideal según tipo de consumo
Cliente estacional
activar y desactivar según ciclo
Que hacemos con esto?

13. • Lo nuevo es el volumen de información,
no la metodología.
• El software nos ayuda a correr los
modelos, no a tomar decisiones.
• Importa quien está analizando la
información.
Big Data es una coyuntura, no una
práctica.

15. Gracias/Thank you
Tom Sawada
Business Consultant
tsawada@intellignos.com