El documento presenta las consideraciones clave para abordar con éxito un proyecto de Big Data, incluyendo identificar fuentes de datos y valor de negocio, definir KPI, realizar una prueba de concepto, integrar la tecnología Big Data con sistemas analíticos existentes, y evaluar los cambios organizativos necesarios.

1. [+34] 902 20 25 52 hablemos@beeva.com www.beeva.com
BEEVA
DESMITIFICANDO UN PROYECTO DE BIGDATA

2. 2014 2
Big Data

3. 2014 3
Ejemplos de aplicaciones de Big Data en el sector Retail
Redes Sociales
Tienda On-line
Call Center
Punto de venta
Programa de Fidelización
Aplicaciones móviles
Etiquetas (RFID)
► Segmentación de cliente
► Marketing personalizado según destino
► Escucha activa en canales digitales
Marketing
► Optimización de precios
► Optimización de emplazamiento de producto
Comercial
► Tendencias en tiempo real (recibos de caja)
► Modelos predictivos (productos, zonas de demanda)
► Commerce 360: comportamiento, competencia
Operaciones
► Reposición de productos en tiempo real
► Geolocalización (flota, artículos de valor)
Supply Chain

4. 2014 4
La Evolución digital Implica nuevas oportunidades y amenazas para las compañías…
Creación de valor para las
compañías Nuevas oportunidades
Nuevos modelos de negocio
disruptivos
Desaparición de Blockbuster con la aparición
de Netflix
Nuevas líneas de negocio
competidoras
Google y Facebook: entrada en servicios
financieros y TV o Google en Medios de Pago
Transparencia de la información
Despido de empleado de GM por un
comentario en Twitter
Pérdida de control de los clientes
Privacidad y regulación
Regulación reciente sobre las normativas de
las cookies
Sobrecarga de información
BSkyB recibe al día 7000 posts de sus clientes
hablando sobre ellos
Integración
Integración de servicios SaaS, PaaS e IaaS
Privacidad
Competencia
Desintegración
Pérdida de
control
Nuevas amenazas
Destrucción de valor para las
compañías
Mundo
digital
Mundo
físico
Mundo
virtual
Internet de las cosas
Integración semántica
TRANSFORMACIÓN DIGITAL
Compartir
Colaborar
Generar
negocio
Conectar
DATOS
Nuevos productos y servicios
Royal Mail Group productos financieros
marca blanca Bank of Ireland
Nuevos segmentos rentables
Telefónica Digital servicios de pago por móvil
a nicho early adopters
Inteligencia de Clientes
Gatorade Mission Control para anticipación
de corrientes de opinión
Influencia de la comunicación
IBM red social interna de interacción entre
85000 empleados
Acceso conocimiento de excelencia
Yum plataforma interna de compartición para
empleados
Digitalización procesos administrativos
Mejora de la experiencia de usuario y ahorro de
costes
Generar escala con recursos limitados
La comunidad de GiffGaff resuelve el 90% de
su AC y genera 6k clientes por WOM
Mejora de la eficiencia
Deutsche Bank reduce fugas a través de la
monitorización de clientes
BIG DATA

5. 2014 5
…obligando a una adaptación continua de las organizaciones
hacia el concepto de Transformación Digital
Experiencia Cliente Operaciones Modelo de negocio
Entendimiento de cliente
Segmentación y analítica avanzada
Conocimiento íntegro multivariable
Predicción y prescripción
Crecimiento ingresos
Venta mejorada digitalmente
Marketing predictivo y comportamientos
Reducción procesos cliente
Nuevos modelos de relación
Customer centric
Multicanalidad
Autoservicio
Procesos digitales
Mejora del rendimiento
Nuevas carácterísticas y funciones
Habilitador de trabajo
Trabajar en cualquier momento y lugar
Comunicaciones ágiles y rápidas
Expertos y comunidades de KM
Mejora rendimiento
Trasnsparencia
Unificación
 Decisiones Data-driven
Modificación digital
Aumento del producto/servicios
Integración mundo físico y virtual
Digital wrappers
Nuevos negocios digitales
Productos digitales
Economía colaborativa
Negocios basados en datos y servicios
Globalización digital
Integración digital corporativa
Toma de decisiones distribuida
Servicios digitales distribuidos
 Integración Negocio & IT
Desarrollo de soluciones integrales
Capacidades digitalesUnificación de procesos y datos
Capacidades analíticas
BigData&Analítica
OpenBusiness&Apification

6. 2014 6
Donde las competencias analíticas pasarán por diferentes fases
 Primarily descriptive analytics and
reporting
 Internally sourced, relatively small,
structured data
 “Back room” teams of analysts.
 Internal decision support
Traditional
Analytics
 Complex, large, unstructured data
sources
 New analytical and computational
capabilities
 “Data scientists” emerge
 Online firms create data based
products and services
Big Data
 A seamless blend of traditional
analytic sand big data
 Analytics integral to running the
business; strategic asset
 Rapid, agile insight delivery
 Analytical tools at point of decision
Industrialized decision-making at
scale
Fast Business
Impact for the
Data Economy
TODAY

7. 2014 7
¿CÓMO ABORDAR UN PROYECTO DE ANALÍTICAY BIGDATA?
TECNOLOGÍAS BIGDATA DATA APLICADAS AL BUSINESS INTELIGENCE
IDENTIFICACIÓN DE
VALOR
APROVISIONAMIENTO
DEL DATO
INFRAESTRUCTURA
TECNOLÓGICA
RECURSOS INTERNOS Y
OPERATIVA
Los proyectos de Big Data
deben estar asociados a un
ROI. El valor de los
resultados obtenidos es el
driver principal, junto con la
Innovación
Los aspectos técnicos en la
extracción del dato, junto
con los requerimientos
legales en protección de la
información, son elementos
clave en los proyectos Big
Data
Los proyectos Big Data
requieren una infraestructura
IT muy avanzada. La nube
permite realizar proyectos
sin inversión previa y
fácilmente operativizables
Es necesario definir las
necesidades en cuanto a
capacidades internas de los
RRHH. Los requerimientos
de la operativa Big Data
obligan también a redefinir
procesos

8. 2014 8
¿DÓNDE ESTAMOS?
Transformación
modelo de negocio
Aplicación a
procesos actuales de manera masiva
Diseño de estrategia y
creacion de capacidades
Tiempo
%Competenciasanalíticas
Situación
actual
2014-15 2016-18 2018+

9. 2014 9
BIG DATA
INTRODUCCIÓN
bla, bla, bla
bla, bla,
Bla, bla, bla
bla
bla, bla,
bla, bla
bla,
bla
BigMarketing
BigCommerce
BigTrust
BigPlatform
BigAnalytics
BigIntelligenceDATA

10. 2014 10
¿Qué
entendemos
por DATOs?

11. 2014 11
Nuevo contexto tecnológico: elementos clave
TRANSFORMACIÓN DIGITAL
La transformación digital es un cambio multidimensional que trasciende
Internet. Los avances en tecnología, el aumento del poder del
consumidor y de la competencia constituyen una amenaza para
compañías de todos los sectores
Las necesidades cambiantes de los proyectos analíticos Big
Data requieren de una tecnología que pueda escalar y pueda
provisionarse con agilidad sin un alto impacto en coste
CAMBIO DE PARADIGMA IT
CLOUD COMPUTING BIG DATA
ENCONTRAR VALOR: ¿CÓMO?

12. 2014 12
PARALELIZACIÓN = DIVIDE Y VENCERAS
Permite el procesamiento de grandes y variados volúmenes de información, ejecutando
procesos de forma paralela, para aumentar el rendimiento de forma exponencial.
Los datos se almacenan en modo texto en un File System: Acceso es muy rápido
Ej: Contar palabras en un libro => 1 persona 100 páginas; 100 personas 1 página cada
una.
Aparición de Nuevas Herramientas que posibilitan la ingesta de GB en tiempo real
ENCONTRAR VALOR: ¿CÓMO?

13. 2014 13
BASES DE DATOS NOSQL Y MPP
ANALÍTICA AVANZADA
Las bases de datos de procesamiento masivo paralelo (MPP) con almacenamiento columnar
incrementan exponencialmente el rendimiento de queries y el reporting.
Las bases de datos NoSQL, orientadas al caso, se adaptan a los nuevos requerimientos de
negocio: geolocalización, documentales, clave-valor
Las herramientas de BI actuales permiten mayor agilidad e independencia en la creación de
informes y dashboards, con una visualización mejorada: D3.js, QLICKVIEW; TABLEAU
La modelización predictiva con SW Open Source como R hace accesible el Data Science a
todas las compañías
ENCONTRAR VALOR: ¿CÓMO?

14. 2014 14
ETL Tradicional
ERP CRM
SW de
3ºs
Data Warehouse
RDBMS
Legacy
Supply
Chain
Del Business Intelligence Tradicional
ENCONTRAR VALOR: ¿CUÁL SERÍA LA ESTRATEGIA?
SW de
3ºs
ERP
Supply
Chain
Legacy
Meta Datos
Data Mart 1…N
ETL
Fuentes ODS Business Warehouse Explotación
Plataforma BI
Estándard
BI / Data Analysts
End users
Regulatorio
Otros Sistemas…
Salidas
CRM
ETL
MdN
Data Warehouse
RDBMS
ETL

15. 2014 15
Fuentes de datos internas, limitadas y ya estructuradas
Necesidad de crear hechos y dimensiones por limitaciones IT
La mayoría de la analítica es descriptiva o reporting
Alto coste
La preparación de datos para modelos analíticos es lenta
Analistas separados de los responsables de negocio
Time-to-
market lento
Vendor
lock-in
Bajo
rendimiento
ETL =
Cuello de
botella
Dar respuesta al Negocio, sin limitar
la visión de negocio
Acceso total a la información: “High
resolution view”
Perfiles avanzados: Data Scientists
MODELO TRADICIONAL ANALÍTICA 3.0
Paralelización de procesos
Modelización predictiva
ENCONTRAR VALOR: ¿DONDE?
¿Es solo cuestión de analizar otro tipo o más cantidad de información?

16. 2014 16
PLATAFORMA BIG DATA COMO PIEZA COMPLEMENTARIA EN EL ECOSISTEMA BI
Map Reduce
ETL Tradicional
ERP CRM
SW de
3ºs
Data Warehouse
RDBMS
Nuevos
Canales
Nuevas
Fuentes
Logs,
text, IoT
HDFS
Core Info.
Reporting
Volumen
Coste
Procesamiento
Nuevas fuentes
Nueva analítica
Data Platform
Analytics Platform
MPP y NoSQL
DEFINE LA ESTRATEGIA DE INTEGRACIÓN LA TECNOLOGÍA BIGDATA EN TUS PROCESOS ACTUALES

17. 2014 17
¿FÁCIL O DIFÍCIL?

18. 2014 18
CARACTERÍSTICAS ESTRUCTURALES COMUNES
EL ENTORNO ESTRUCTURAL
• Incertidumbre tecnológica
• Falta de certeza estratégica acerca del ecosistema de vendors
• Altos costes iniciales y reducción drásticas a medio plazo
• Compañias embrionarios o de nicho
• “Clientes por primera vez”
• Ausencia de estandarización
• Confusión de clientes
• Regulatorios y políticos
CARACTERÍSTICAS ESTRUCTURALES COMUNES – VISTA CLIENTE

19. 2014 19
CARACTERÍSTICAS ESTRUCTURALES COMUNES
EL ENTORNO ESTRUCTURAL
• Costes de volver a formar al equipo técnico
• Costes de adquisión de nuevos sistemas
• Costes de investigación y desarrollo del cambio
• Costes de modificar la cadena de producción o aspectos conexos
del negocio, cambios en la operativa
• Servicios de soporte internos
• Recursos para el cambio, cambio de proceso interno de IT: capital,
ingeniería y personal especializado
INTRODUCCIÓN DE TECNOLOGÍA EMERGENTE

20. 2014 20
¿CÓMO EMPEZAMOS? IDENTIFICACIÓN DE VALOR

21. 2014 21
IDENTIFICACIÓN DE FUENTES

22. 2014 22
CONDICIONANTES PARA LA OBTENCIÓN DEL DATO
IDENTIFICACIÓN DE FUENTES
• Identificación de fuentes de datos de valor en silos no integrados
• Quién es el dueño del dato
• De dónde procede el dato
• Cómo se transforma el dato
• Limitaciones técnicas para su exportación
• Integración de fuentes de distintos silos
Aspectos técnicos y operativos
Aspectos de seguridad y legales
• Protección de datos
• Seguridad de la información
• Cumplimiento de normativas internas de seguridad lógica
• Estándares de seguridad y especificaciones para Cloud

23. 2014 23
NETWORK CON IT DESDE FASES INICIALES

24. 2014 24
DEFINE TUS KPI’S. MIDE PRIMERO EL RENDIMIENTO, DESPUÉS EL COSTE

25. 2014 25
DEFINE UNA PRUEBA DE CONCEPTO NO OPERATIZADA
• Formación de grupo de trabajo para PoC
• Identificar pequeña PoC con alcance acotado
• Elección del caso de uso según necesidades de negocio
• Duración acotada: recomendable entre 3 y 6 semanas.
• Identificación KPIs finales PoC
• Ejecución de la PoC
• Valoración de KPI’s y modelos de integración
Implementando la PoCDefiniendo la POC

26. 2014 26
PLATAFORMA BIG DATA COMO PIEZA COMPLEMENTARIA EN EL ECOSISTEMA BI
Map Reduce
ETL Tradicional
ERP CRM
SW de
3ºs
Data Warehouse
RDBMS
Nuevos
Canales
Nuevas
Fuentes
Logs,
text, IoT
HDFS
Core Info.
Reporting
Volumen
Coste
Procesamiento
Nuevas fuentes
Nueva analítica
Data Platform
Analytics Platform
MPP y NoSQL
DEFINE LA ESTRATEGIA DE INTEGRACIÓN LA TECNOLOGÍA BIGDATA EN TUS PROCESOS ACTUALES

27. 2014 27
CAMBIOS EN LA ORGANIZACIÓN PARA IMPLEMENTAR LA INICIATIVA BIG DATA
VALORA Y EVALÚA DE UNA MANERA REALISTA LA ORGANIZACIÓN NECESARIA
Grupos de trabajo
• Creación Grupo de Big Data
• Definición de valor de negocio
• Definición de fuentes de datos
• Definición de skills y competencias
• Creación Grupo Governance del dato: BI + Big Data
• Asegurar independencia de ambos sistemas en cuanto a recursos e interrelación para integración
• Establecimiento de políticas de monitorización y gobernabilidad del BI y Big Data
• Identificación del líder-departamento de la iniciativa Big Data. Opciones principales:
1. Dep. de BI: si la iniciativa es de optimización tecnológica para un caso de uso claramente definido
2. Dep. ad-hoc: si la iniciativa emerge de negocio y permite cierta independencia de IT
Liderando Big Data en la organización

28. 2014 28
RESUMEN
• Definición de objetivos de negocio
• Descubrimiento del dato
• Networking con sistemas: plataforma tecnológica
• Definición de KPI’s
• Prueba y evalúa en rendimiento: POC
• Define los modelos de integración con los sistemas analíticos actuales
• Evalúa tu nueva estructura organizativa
Integración de la tecnología BigData en tu organización

29. 2014 29
Desmitificando un proyecto de BigData

30. CONTÁCTANOS
902 20 25 52
hablemos@beeva.es
www.beeva.es
@beeva_es