Download - Convertir Información en Conocimiento
Convertir Información en Conocimiento
Business Intelligence
Un distinto punto de vista
Qué hay en esta presentación
Cuña comercial.
Business Intelligence:• qué es• quien lo usa• objetivos.• Fabricantes• Posicionamiento• Historia• como se usa• qué nos depara el futuro.
Qué hay que evitar.
Algunos casos reales.
Preguntas y respuestas.
Infracom - Soluciones Verticales y Kits
FOCUS Manufacturing FOCUS Manufacturing FOCUS Shipping FOCUS Shipping
FOCUS Engineering FOCUS Engineering
FOCUS Building FOCUS Building
FOCUS Fashion FOCUS Fashion
Para empresas de producción discreta.Gestión Integral de gestión de pedidos, producción, facturación y compras.
Para empresas que producen por proyecto.Permite la gestión integral de proyectos, ingeniería, provisión, gestión y facturación según las necesidades específicas. Concebido para empresas que trabajan en el mundo
de la construcción.Gestiona de manera integral la provisión, logística, distribución y gestión de recursos.
Para Operadores Logísticos. Incluye las prácticas de Transporte Marítimo, Terrestre, Aéreo y servicios. Gestiona de manera específica las problemáticas de Master & House Bill of Lading, Arriendo de vehículos, Canales Logísticos, Puertos y Aeropuertos, Grupage, etc.
Específicamente desarrollado para el mercado de la moda. Textil, Complementos, calzado.Gestiona de manera integral todos los aspectos del sector.
NeaR Warehouse KITNeaR Warehouse KITNeaR Factory KITNeaR Factory KIT
NeaR CAD KITNeaR CAD KIT
Integración de los departamentos de Ingeniería con Preindustrialización, Industrialización, Proceso, Compras.Del Diseño a la Lista de Materiales, de manera integrada.
Para Implantaciones SAP que necesiten de una solución rápida, eficaz y cómoda en almacenes automatizados, con o sin radiofrecuencia, recorrido óptimo de almacén, etc.
Agilidad en la gestión de planta, gestión de consumos, planificación de producción y gestión de recursos internos y externos, gestión de procesos externalizados, ...
¿Quien es Infracom?
Empresa de Consultoría SAP de origen Italiano, Constituida en 1999 por la asociación de diversos grupos empresariales e industriales.
Partner SAP en Soluciones, Servicios y Hosting.
550 Consultores SAP en toda Europa,experiencia contrastada en Despliegues Mundiales.
1,500 empleados,
+90 clientes internacionales.
5 soluciones verticales, 3 kits de funcionalidad específica.
3 data centers de alta disponibilidad, redundancia en comunicaciones, 10,000Km de fibra propia y acuerdos con los principales operadores a nivel mundial.
Centros de excelenciaterritoriales, no globales.
Business Intelligence según...
IBM: Es un Concepto: Convertir Datos en Información Útil usando un conjunto de herramientas y tecnologías.• Los Indicadores de Negocio son el resultado de la Consolidación de datos diversos (bases de datos, hojas de cálculo, logs,
datos geopolíticos, heterogéneos, …) y permiten a los analistas gestionar el cambio y generar mayores beneficios.
Jeróme Bergerou (ACCURACAST): Es un Proceso: Usar los datos de manera razonada para gestionar de manera eficaz el negocio.
• Provisión de datos, Filtrar y Organizar, Analizar y Determinar la situación, generando escenarios y analizando riesgos para tomar decisiones razonadas.
SIEBEL: Es un Conjunto de Herramientas: Mediante la Integración y Transformación de datos heterogéneos en Indicadores Clave, los Directivos, Ejecutivos y Empleados pueden tomar decisiones que mejorarán el rendimiento del negocio.
COGNOS: Es la Monitorización de Sucesos, Rendimiento y Operaciones dentro de la compañía buscando aquellos hechos Clave para el Cambio. Una vez que estos hechos se producen, el Sistema debe dirigir la información adecuada a las personas según su Rol en la corporación.
Steve Hoberman (Microsoft Office Sharepoint Server – MOSS): Procesos, Tecnologías y Herramientas necesarias para convertir Datos en Información, Información en Conocimiento, Conocimiento en Planes para Gestionar de manera eficaz las Acciones necesarias para el Negocio.
• BI agrupa el Data Warehouse, Herramientas de Análisis y Gestión de Contenido y Conocimiento.
ORACLE: La Recogida de Información para el Análisis y el Pronóstico del Futuro. De manera sistemática, permite gestionar grandes volúmenes de datos para ofrecer capacidad de decisión razonada y facilitada por información fiable.
Dave Menninger (INFORSENSE): “Business Intelligence es la gestión de lo conocido y lo desconocido. [...] Provisión, Consolidación, Ordenación y Preparación de Información para Entender y Actuar sobre la base de Indicadores Clave que definen el rendimiento de la Corporación”.
Entonces... ¿Qué es Business Intelligence?
Es un SISTEMA y un PROCESO.
La definición más común de un BI es: “Sistema de almacenamiento de Datos Corporativos y sus herramientas de Análisis”.
Otra definición es la de “Proceso de Información Analítica de Negocio”.
Yo personalmente prefiero considerarlo como “una hoja en blanco y un bolígrafo, potencialmente útiles”.
BI ¿Porqué es un SISTEMA y un PROCESO?
KPI
Data Mining
Informes
ETL
OLAP
Visión Analítica
Indicadores de Rendimiento
Convierte Información en Conocimiento
Generación, Gestión y Entrega automatizada de
Información
Integración de Fuentes Heterogéneas de Datos
Consolidación y Estandarización para la
Visión Analítica
Acceso a Información multidimensional
Data Warehouse
Análisis de Negocio
Gestión del Rendimiento
Fuentes de Información
BI ¿Quién lo usa?
95% - Usuarios y Punto
5% - Usuarios Técnicamente
Avanzados
BI ¿Quién lo usa? (y II)
DW DBRMS
Data Warehouse Corporativo
Análisis de Negocio
ReportingRendimiento
xFS
! Data Warehouse Corporativo (y II)
Análisis Estratégico Plan Estratégico
CRM ...XMLERP
?
... Y quien lo sufre
BI – Objetivos y Necesidades
Disponer de una visión única y clara del negocio.
Facilitar una base común para el análisis y poder tomar así decisiones.
Disponer de datos consistentes con la operativa del negocio pero que no interfieren en el día a día.
Separar los datos “útiles” de los “inútiles”.
Disponer de datos históricos más allá de los límites de los sistemas transaccionales.
Ser realmente de utilidad a quien lo utiliza
Operativos
BI – Objetivos y Necesidades (y II)
Marketing
Ventas
Operaciones
Recursos Humanos
Finanzas
Tecnologias Información
...
Tácticos Analísis
Rendimiento
Qué habría pasado si...
Motivos que nos han llevado a...
EstratégicosMejoras en la Capacidad de
Decisión
Optimización de los Procesos de Negocio
Planificar el Futuro
Un poco de historia
Procesos diferidos y en soporte papel
Informes y Estadísticas
Impresos
Data WarehousingSuites de BI y aplicaciones
analíticas
Automatización de Procesos de Decisión (BPM)
Automatización de Procesos
Inteligentes
OLAP, Queries y Data Mining
ETL, Calidad de datos, “Data Cleansing”
Gestión del Ciclo de Vita de los DW
Análisis de Contenidos
Plantillas y Modelos de Datos
ScorecardsAdaptabilidad de
ProcesosSoluciones a
medida
Portales de Información
VisualizaciónCuadros de
MandoAnálisis Predictivo
Colaboración, Procesos de
Workflow
Notificación en base a Eventos
Alertas
1975-1989 1990-2004 2005-2020
Algunos Fabricantes y Productos
Qué dice Gartner
Estudios de posicionamiento - Referencias
BI Platform Capabilities
Rating
Evaluación por expertos
Kurt Schlegel - Bhavish Sood
Se analizan 12 indicadores clave y se cruzan con 220 criterios de análisis.
Magic Quadrant Customer Survey
Consulta a Usuarios
James Richardson
+ 350 compañíasSe analizan12 indicadores clave
Evaluación pr Expertos
Cindi Howson
Análsis de las herramientas en entornos reales.Se utilizan +100 criterios de análisis.
Consulta a Usuarios
Nigel Pendse
+ 1,900 compañiás de 60 paises1,901 CompaniesSe analizan17 indicadores clave.
Evaluación por ExpertosConsulta a Usuarios
Daan Van Beek - Norman Manley
Se analizan +70 criterios clave
(y para qué deberíamos usarlo...)
¿Qué ha pasado?
¿Qué está pasando?
¿Porqué ha pasado?
¿Cuándo ha pasado?
¿Qué pasará?
¿Qué quiero que pase?
¿Creo en el Oráculo de Delfos?
Para qué usamos BI
¿Qué podemos hacer con BI?
Informes, Estadísticas, Reportes...
Analítica a hecho pasado.
Documentarnos para el futuro.
Alertas tempranas.
Modelización del futuro.
Usar la cabeza y no dejar que el sistema pueda tomar decisiones por nosotros.
El Futuro de BI está aquí
Business Intelligence
Basado en...
•Data Warehouse.
•Analítica de Negocio.
•Gestión de Rendimiento.
Integrado con...
•Geo posicionamiento.
•Fuentes Heterogéneas.
•En Tiempo Real.
Distribución basada en...• Sucesos.• Contenidos.• Visualización.• Movilidad.Decisión basada en...• Modelos avanzados.• Correlación con datos no
modelados.• Inteligencia Artificial.
Una Pincelada de Data Mining (I)
Data Mining es...
El poder extraer información útil de grandes volúmenes de datos.
• Métodos Matemáticos.• Algoritmos.• Inteligencia Artificial.
Qué entra en juego
Algoritmos I.A.
Métodos Data Mining
Una Pincelada de Data Mining (II)
Sus objetivos
Predicción de resultados:
En función de los indicadores actuales, determinar el comportamiento de indicadores futuros.
Descripción de la realidad:
Encontrar patrones de comportamiento que nos interpretar la realidad.
Herramientas
Métodos directos:
• Árboles de Decisión.
• Funciones de Probabilidad.
Métodos estadísticos.
• Métodos Bayesianos.
• Redes Neuronales.
• Validación Cruzada.
• …
Los factores principales de FRACASO en un proyecto BI
Confusión sobre quien ha de usar qué.
Confusión sobre quien ha de saber qué.
Eternizar los tiempos de implementación.
Distribuir Demasiada información.
Confundir Reporte con Análisis.
Confundir Análisis con Capacidad de Decisión.
No Identificar adecuadamente la información Realmente Útil.
Querer Abarcar demasiado.
Tener Diferentes Versiones de la Verdad.
No involucrar al Usuario.
Business Intelligence en el Mundo Real
Administración Pública
Los siguientes casos están basados en Proyectos reales.
Algunos datos han sido modificados para proteger la privacidad de las empresas los han implementado.
Estos cambios pueden contener errores no intencionados, que son responsabilidad única del autor de esta presentación.
Industria
Servicios Corporativos
Portal Comercial
Medios de Pago
Servicios de Internet
Automoción
Administración Pública (I)
Entorno
• Ciudad de un poco menos de 1M habitantes.• Casi 3,000 Kmq.• 15,000 empleados públicos.• 2,000 MEUR de Budget operativo.• 500 MEUR de Budget para inversiones.
Administración Pública (II)
Visión del Proyecto
• Sin incrementos en el gasto público.• Reducción de 75MEUR/Año en impuestos, a
partir del 3er año.• Reducción de los gastos de infraestructura, sin
reducciones evidentes en la calidad de servicio.• Acceso a la información desde cualquier punto.• El desarrollo tecnológico debe alinearse con el
desarrollo de la ciudad.
Administración Pública (III)
Objetivos Operativos (a)
• Gestión de aguas• Análisis del margen de beneficio.• Análisis de la eficiacia operativa.
• Mejora medioambiental• Análisis geográfico de la eficacia en medidas anticontaminación.• Análisis de la red de aguas para la calidad del agua.
• Planificación urbana• Análisis del desarrollo urbano y la aplicación de infraestructura
combinados con datos geográficos.
• Sistema de transporte público• Análisis de la eficacia de la red urbana en términos de cumplimiento
de horarios y capacidad de viajeros.
Administración Pública (IV)
Objetivos Operativos (b)
• Sistemas de emergencia• Análisis de eficacia de los servicios de emergencia en términos de
tiempos.
• Servicios urbanos. Parques y Jardines• Cursos de Natación, Patinaje y/o Deportes: ¿cual es más atractivo?
• Recursos Humanos• Análisis de Nuevas Posiciones.• Análisis de Bajas.• Planificación de Sucesiones.• Presencia/Penetración de Sindicatos.• Determinación de Costes por Centros de Beneficio.• Preparar el camino para la Implementación de SAP HR.• Preparar el terreno para análisis de servicios en base demográfica/censal.
Administración Pública (V)
Herramientas
• Carga directa de ERP y aplicaciones específicas de negocio al DW.
• Enterprise Content Management (Sistema Gestión de Contenidos Corporativos) para la gestión de datos heterogéneos y posterior volcado al DW.
• Distribución de Contenidos e Informes a través de portales de servicio.
Administración Pública (VI)
Técnicamente...
• 150 Usuarios de BI.• Cognos como BI frontend.• Información disponible en el Portal del Usuario.• Distribución de Contenidos e Informes a través
de Portales de Servicio.
Administración Pública (VII)
Lecciones Aprendidas
• Datos de Calidad = Buenos resultados del BI.• Reglas de Negocio bien estructuradas e implementadas. Un
factor crítico para disponer de Datos de Calidad.• Definir los Metadatos, un factor trascendental para recuperar la
información a posteriori.• Establecer formalmente el ciclo de vida del DW = Un sistema
de BI sólido.• Support Services para el Usuario. Muy Importante. Un Usuario
con un buen servicio de soporte es un usuario proactivo.• Formación, formación y formación. Garantiza un arranque de
proyecto de éxito.
Servicios Corporativos (I)
Entorno
• Empresa de Servicios Horizontales de Recursos Humanos en SAP.
• 30 Entidades Asociadas.• +/- 2,700 Trabajadores.• 15 Consultores de HR.
Servicios Corporativos (II)
Visión del Proyecto
• Unificar los criterios de información estadística entre las diversas Asociadas.
• Eliminar los desarrollos a medida por Asociada.• Mantener la Seguridad de la Información. Garantizar que
ninguna Empresa Asociada pueda acceder a los datos de las otras.
• Crear una Base Común de Información Agregada a todas las Asociadas para determinar tendencias del sector.
• Acceso Seguro, pero sin grandes inversiones en Infraestructura.
Servicios Corporativos (III)
Objetivos Operativos
• Gestión de Recursos Humanos.• Análisis de Carencias.• Análisis de Roles y Funciones versus Personal Contratado.• Preparar el camino para la implantación del Portal de Formación:
• Elaborar análisis de formación por Empleado.• Cruzar datos con las requisitos de Organigrama.
• Análisis de causas de ausencias, vertical por Entidad y Horizontal por Sector.
• Agregar datos de Entidades fuera grupo (“la competencia”).• Preparar el camino para incorporar el Plan de Sucesiones.• Determinar Rotaciones de Personal por grupos de Edad y Zona
Geográfica. ¿Causas?
Servicios Corporativos (IV)
Herramientas
• Carga directa de SAP-HR. Activación de Cubos estándar en SAP BI y customización de cubos según necesidad de Entidad y Grupo.
• Segundo DW de Grupo independiente del DW de Entidades.
• Distribución de Contenidos e Informes a través de SAP Portal.
Servicios Corporativos (V)
Técnicamente...
• 2 Key Users por Entidad Asociada.• 3 Consultores dedicados Full Time al proyecto
durante el primer año de vida; 2 durante el segundo.
• SAP BI como Frontend.• Information Push/Pull – Los Usuarios Recogen
la Información.
Servicios Corporativos (VI)
Lecciones Aprendidas
• Planificar la transición es necesario para disponer de una solución solida de BI.
• “Porqué no lo hicimos antes”, o la resistencia del entorno cuesta dinero.
• Seguridad, Seguridad, Seguridad.• “El diablo está en los detalles”. No hablamos lo suficiente con las
Asociadas antes de diseñar el Almacén de Datos, y tuvimos que rehacer el trabajo.
• Usar una fuente única de datos ayuda mucho. Tardamos más en resolver las cargas de datos heterogéneas que las de SAP. Proporcionalmente, el 90% de tiempo lo pasamos resolviendo problemas para datos que representaban menos del 5% del conjunto... Y que no pertenecían a SAP.
Industria (I)
Entorno
• Grupo Multinacional, primero en ranking en su sector a nivel mundial.• Más de 40 compañías del grupo, 50% productivas, 50% comerciales.• Cada compañía dispone de un sistema de gestión propio y reglas de
negocio propias. No existe política común de tecnologías de la información.
• 70,000 Productos a catálogo, el 65% de los cuales de alto coste de mano de obra y bajo valor añadido.
• 1,800 empleados a nivel mundial, 400 en oficinas.• 750 MEUR Facturado anual.
• ¿El diablo hecho proyecto?
Industria (II)
Visión del Proyecto
• Crear un Sistema de Información común para compartir datos de stock, ventas y margen operativo.
• Mantener la independencia de cada compañía. En cualquier momento, el grupo puede decidir desprenderse de una compañía del grupo y esto debe poderse hacer sin interferir con la funcionalidad del grupo.
• Interferir lo menos posible en las reglas de negocio de cada compañía.
• En lo posible, hacerlo con soluciones “off-the-shelf” y en portal web.
Industria (III)
Objetivos Operativos
• En General• Cada compañía, por motivos históricos, usa códigos de
artículo propios para artículos comunes. Esto debe RESPETARSE en el Sistema de Información. Cada operador debe ser capaz de ver los códigos de artículo según su costumbre, sin importar a qué compañía del grupo pertenecen.
• Inventario, Ventas y Margen• Disponer de una visión puntual (1 día operativo de retraso
máx.) de los indicadores (Ventas, Margen e Inventario) por Compañía.
• Analizar la evolución histórica por Compañía.• Disponer de una visión puntual e histórica por Compañía.
Industria (IV)
Objetivos Operativos (b)
Planificar para el Futuro• Incorporar otras necesidades de futuro:
• Work In Progress.• Compras.• Costes de Producción.• Costes de Mano de Obra.• Preparar el camino a una Migración a un
Sistema Común. ¿SAP Quizás?
Industria (V)
Herramientas
• DW en Hosting en un Datacenter, basado en una solución OLAP-DB
• Hipercubo principal con codificación propia de artículos.• Hipercubos específicos por compañía, preparados en
cascada del principal.• Solución a medida para la capa de presentación,
combinada con Microstrategy y Cristal Reports para las partes de análisis y reportes.
Industria (VI)
Técnicamente...
• 1 Jefe de Proyecto, 2 Consultores dedicados Full Time al proyecto durante el primer año de vida.
• La parte más compleja del sistema es la carga de datos.
• El segundo elemento más complejo es el Traductor de Códigos. Se trasladan las reglas de negocio al DW.
Industria (VII)
Lecciones Aprendidas
• Un proyecto sin el soporte de la Dirección del grupo es un proyecto condenado al fracaso.
• Garantizar la limpieza de los datos en origen elimina la mayor parte de los errores en la entrega de información al usuario.
• No disponer de reglas de negocio comunes aumenta en un grado la complejidad del proyecto (y los desarrollos a medida en las ETL).
• La seguridad es un factor, pero no siempre es crítico.• Cuando los usuarios pertenecen a franjas horarias radicalmente distintas,
es necesario planificar en Alta Disponibilidad.• Alta disponibilidad = 1 cero más en la complejidad del proyecto.• Soporte a los Usuarios desde el día de arranque en pruebas. Un factor
clave en el éxito del proyecto.• Establecer puntos de entrega claros, bien documentados y aceptados por
todas las partes. La gestión de proyecto es crítica.
Gestión de Fraudes en Medios de Pago (I)
Entorno
• Millones de Transacciones diarias.• La Corporación extendida: Bancos, Emisores de
Tarjetas, Gestores de Medios de Pago, Portales, Detallistas, Empresas…
• Distintas soluciones, pero un objetivo común. Evitar el fraude y supervisar la actividad de los defraudadores.
• Actualmente, se estima que la probabilidad de fraude en medios de pago es aproximadamente el 0,2%.
Gestión de Fraudes en Medios de Pago (II)
Visión del Proyecto
• Hacer lo indecible para combatir la lacra de los fraudes con medios de pago.
• Englobar el proyecto dentro de los objetivos globales de gestión de medios de pago.
• Se extremadamente rápido en la respuesta, en particular, gestionar alarmas y avisos de manera proactiva.
• Soluciones extremadamente flexibles: no nos olvidemos que este es un problema clásico de la espada contra el escudo. A la larga, la espada siempre rompe el escudo.
Gestión de Fraudes en Medios de Pago (III)
Objetivos Operativos
• Un objetivo principal: evitar el fraude.• Objetivo secundario: si este se produce, contenerlo.• Comunicar y compartir inmediatamente cuando se detecte un caso
anómalo de fraude (un nuevo método).• No compartir con la competencia las informaciones de negocio de
las transacciones.• Reducir al máximo los “falsos positivos”, pero recordando que es
mejor bloquear un pago “bueno” que dejar pasar un pago “malo”.• Las técnicas y herramientas utilizadas deben ser eficientes desde el
punto de vista de coste.• Evitar que el gran público se “asuste” y deje de usar los medios de
pago.• Garantizar la confidencialidad bancaria.
Gestión de Fraudes en Medios de Pago (V)
Metodología
• Cada entidad de Medios de Pago anota las transacciones de sus usuarios en hipercubos. Millones de transacciones por día.
• Estos hipercubos permiten crear “patrones de compra”. Modelos sobre la actuación de los compradores. Horarios, tipo de transacción, lugares, valor, tipo de servicio adquirido, etc.
• Las correlaciones en los distintos patrones de compra, podemos determinar los modelos de compra real versus compras fraudulentas.
• Se utilizan herramientas de Data Mining avanzado para crear, analizar y gestar los patrones.
• Por último, el sistema avisa de posibles tentativos de fraude, bloquea la tarjeta y avisa a un operador.
Gestión de Fraudes en Medios de Pago (VI)
Lecciones Aprendidas
• Los modelos de fraude deben ser compartidos con las diversas entidades bancarias. La unión hace la fuerza.
• El coste de mantener a raya el fraude en medios de pago está en línea con el monto de las pérdidas. Optimizar costes sigue siendo una prioridad.
• Los modelos de compra pueden ser analizados para determinar qué perfil de comprador compra qué, cuando y donde.• Esta información es Extremadamente valiosa, y una vez
agregada, tiene valor comercial.
• La realidad es compleja de gestionar, y hay defraudadores que siguen estando un paso delante nuestro.
Portal de Comercio en Internet (I)
Entorno
• Portal comercial.• Productos y Servicios, ofrecidos on-line a miles
de clientes en todo el mundo.• Los Productos y Servicios son rentables, pero no
es posible ver una regla clara que asocia Producto y Rentabilidad.
• La compañía busca maneras de maximizar la rentabilidad de sus inversiones, y al mismo tiempo saturar el portal con productos rentables.
Portal de Comercio en Internet (II)
Visión del Proyecto
• Buscar los indicadores clave que determinan la rentabilidad de los productos, no solo los indicadores de rentabilidad pura y dura.
• El problema no reside en saber la rentabilidad de los productos ya existentes.
• Sino cómo evaluar las tendencias de mercado, y qué elementos “accesorios” hacen que un producto sea más atractivo y genere un mayor volumen de beneficios.
Portal de Comercio en Internet (III)
Evolución: el modelo de datos NO cambia.
• Ya disponemos de las informaciones necesarias.
• “Solo” cambia el método de tratar la información para convertirla en conocimiento.
• El uso intensivo de Data Mining es clave para mejorar el margen de beneficio.
Portal de Comercio en Internet (IV)
Datos en origen (I) – El Log del Servidor
• Un ejemplo:123.123.123.123 - - [12/Feb/2009:18:34:52 -0500] "GET /elfuturo/ HTTP/1.1" 200 15320 "http://www.google.es/search?q=qué+es+business+intelligence&hl=es&lr=2&start=10&sa=N" Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; GTB6; .NET CLR 1.1.4322; .NET CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648)
• ¿Qué quiere decir?• 123.124.125.126: La dirección IP.• -: El nombre del usuario remoto.• -: Su usuario de red.• [12/Feb/2009:18:34:52 +0100]: Fecha, Hora, Franja horaria del usuario.• “GET /elfuturo/ HTTP/1.1”: La petición en sí. El enlace físico a la página que el usuario
accede.• 200: El resultado de la petición.• 15320: el tamaño, en bytes, de lo que el servidor ha enviado al peticionario.• "http://www.google.es/search?
q=qué+es+business+intelligence&hl=es&lr=2&start=10&sa=N": Desde dónde se accede, quien ha enviado el usuario a /elfuturo/
• Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; GTB6; .NET CLR 1.1.4322; .NET CLR 2.0.50727; FDM; .NET CLR 3.0.04506.30; InfoPath.2; .NET CLR 3.0.04506.648): Id del navegador.
¿Riesgos?
Portal de Comercio en Internet (V)
Proceso a toro pasado – informes y análisis
ETL
Combine
Cleanse
DW
Análisis de Negocio
Reporting
Rendimiento de los Productos
?
?
?
?
??
Provisión de Nuevos Productos
Herramientas de Data Mining
Portal de Comercio en Internet (VI)
Proceso en línea – Minería de datos, relaciones
ETL
Combine
Cleanse
DW
Agregación DeduccionesOptimización
Provisión de Nuevos Productos
Análisis de Tendencias
Propuestas de Cambio
Portal de Comercio en Internet (V)
Lecciones Aprendidas
• La más importante. Siempre hay espacio para la innovación.
• Las nuevas ideas siempre son rentables. Simplemente, hay unas más que otras.
• La equivocación es sana. La próxima vez lo haces mejor.• Buscar los resultados espectaculares a corto plazo,
especialmente en Data Mining, puede ser contraproducente. Mejor desarrollar los proyectos paso a paso, y gestionar con calma la evolución.
• Los datos de base ya están disponibles, hay que mirarlos con ojos distintos
Automoción (I)
Entorno
• Fabricante Mundial de Automoción de Reconocido Prestigio.
• Líder en su Sector.• 520 Segmentos Operativos.
• 13 Modelos de vehículos.• 5 Plafones.• 2 Tipos de motor.• 4 Regiones de Ventas.
Automoción (II)
Visión
• Reducir los costes operativos del grupo.• Reforzar el control de gestión en toda la cadena
de valor.• Reemplazar los sistemas tradicionales de
planificación.• Mejorar la percepción y el entendimiento de
nuestros clientes.• Permear el uso del Data Mining a todos los
aspectos de la compañía.
Automoción (III)
Objetivos Operativos
• Garantías.• Detección de Fraudes.• Diagnóstico de Fallos.• Detección de Anomalías.• Captación de Clientes.• Retención de Clientes.• Planificación de las Inversiones.• Calificación de los Usuarios.• Conducción Predictiva.
Automoción (IV)
Diagnóstico de Fallos y Detección de Anomalías
• Diagnóstico de fallos en los diversos concesionarios.
• Desviaciones significativas respecto a los modelos definidos en preindustrialización disparan las alarmas.
• El uso de Data Mining permite reducir el tiempo de detección de las anomalías y reaccionar frente al mercado de manera proactiva.
• El mismo proyecto se combina con la detección de fraudes en concesionarios.
Automoción (V)
Lecciones Aprendidas
• Los proyectos de minería de datos siguen siendo, hasta cierto punto, un arte más que una ciencia. Pero eso no los convierte en menos rentables.
• Modelar sobre el 90% de los datos, y validar sobre el 10% restante. Clave para saber si vamos por buen camino.
• La Conclusión: Buscar un equilibrio entre el método que mejor se adapta a los datos en análisis y cuan complicado debe ser el modelo.
Intermediación en Internet (I)
Entorno
• Empresa de Intermediación de Pagos en Internet.
• Garantía de Confidencialidad, tanto hacia el Proveedor de Servicios como hacia el Consumidor.
• El Valor añadido hacia el Proveedor: Maximizar la capacidad de margen de productos mediante Cross Selling y maximizar el valor de los productos en venta.
Intermediación en Internet (II)
Visión
• Aumentar el facturado de la empresa generando mayor valor añadido para los Proveedores de Servicios.
• Facilitar la segmentación de mercado. Lo que funciona en un sitio y a unas horas y para un rango de consumidores no tiene porqué funcionar en otro segmento.
• La información que necesitamos ya está disponible. Lo que sí necesitamos es generar el conocimiento.
Intermediación en Internet (III)
Herramientas
• Se mantiene y refina el uso del Data Warehouse Corporativo.
• Incorporación de herramientas de Business Intelligence Avanzado y Data Mining.
• Rediseño integral del CMS para incorporar de manera transparente los resultados de los análisis de BI.
Intermediación en Internet (IV)
Lecciones Aprendidas
• Planificar correctamente el proyecto y sus objetivos. Factor clave en determinar el éxito.
• Data Mining para determinar patrones y modelos. Extremadamente útil para garantizar el éxito de nuestro proyecto.
• El Data Mining puede ser extremadamente complejo. Los modelos matemáticos requieren de un profundo conocimiento de las herramientas utilizadas. Pero esa complejidad es propia de la herramienta. El resultado no tiene porqué serlo.
En resumen
• La definición de qué es Business Intelligence es muy amplia, y a veces muy confusa.
• Business Intelligence es muy útil, pero también es complejo y ofrece muchas posibilidades.
• La planificáción es esencial, es muy fácil pillarse los dedos.• Usar Business Intelligence para reportistica y es matar moscas a
cañonazos. Podemos hacer mucho más.• Asegurar la calidad de los datos es clave para tener buenos resultados.• Formación y Transmisión de conocimientos al usuario. Otro factor clave
para el éxito de un proyecto de BI.• La información está ya disponible. Necesitamos BI Avanzado para
convertirla en conocimiento.• Cuando se acude a Data Mining, es prudente buscar el equilibrio entre
el modelo y el resultado. Los modelos estadísticos pueden ser extramadamente complejos.
• Meter todo en el Data Warehouse no tiene sentido, pero es bueno planificar para el futuro.
Contacto